搞新药研发的人都知道，一个药从实验室走到患者床头，中间要踩的坑实在太多。毒性反应、不良事件、长期安全性——这些东西不像疗效那样容易量化，却能让十几年的心血瞬间归零。说实话，以前我们评价药物安全性，很大程度上依赖医生的经验和个案报告，有点像老中医把脉，凭的是手感。但现在数据量太大了，光是某个三期临床试验，动不动就是上万例受试者，再加上上市后的真实世界数据，靠人眼一条条看报告？不现实。
这时候就得靠数据统计服务了。但别误会，我说的不是那种简单的"算个百分比"或者"画个柱状图"。在药物安全性评价这个领域，数据统计是一门在混沌中寻找信号的学问——它得从海量的、 messy 的医疗数据里，分辨出哪些是真正的安全风险，哪些只是随机噪音。
先理清一下概念。咱们平时说的"安全性评价"其实是个挺宽泛的词，涵盖了从动物实验到上市后监测的全过程。但核心就一个问题：这个药在治病的同时，会不会给患者带来 unacceptable 的伤害？
这里有个微妙的平衡点。完全无毒的药几乎不存在，阿司匹林吃多了还能胃出血呢。所以安全性评价的本质是风险获益评估——统计学家需要和临床专家一起，算出"为了治好这个病，冒多大的风险是值得的"。
这个计算可比看起来复杂多了。你得考虑发生频率（罕见但致命 vs 常见但轻微），考虑人群差异（老人孩子和青壮年反应能一样吗），还要考虑时间因素（有些毒性是蓄积的，吃了三年才出问题）。没有扎实的统计方法支撑，这些判断很容易就滑向主观臆断。
我见过不少刚入行的项目经理，觉得安全性统计就是"数数有多少个不良事件"。要是真这么简单就好了。
实际工作中，数据统计服务要解决的是一系列环环相扣的问题：
打个比方，统计学家就像是在充满背景噪音的房间里，试图辨认出特定的铃声。信号检测的算法（比如比例报告比 PRR、信息成分法 IC）就是他们的助听器，但怎么调这个助听器，怎么区分信号和噪音，靠的是对医学背景和数据统计双重理解。
很多人以为统计是试验做完才进场，那就晚了。一个靠谱的安全性评价，在试验方案定稿前就得把统计考量埋进去。比如，你要定义什么样的不良事件（AE）算作"严重"？要不要预设一些特别关注的不良事件（AESI）？随访时点怎么设才能既 caught 急性反应又不漏掉迟发性毒性？
这些选择会直接影响后期能收集到什么样的数据。康茂峰在做这方面服务时，通常会建议客户在方案阶段就引入"分层安全监测"的概念——不是所有 AE 都用同一个标准看，而是根据药理机制预设不同的监测强度。这就要求统计团队对疾病领域和药物机制有深刻理解，不能光会跑软件。
大型三期试验往往要做期中安全性分析。这是为了及时止损——如果发现某个治疗组的死亡率明显高于对照组，伦理上必须允许提前终止试验。
但这里有个技术难点：你怎么在不破盲的情况下做分析？如果统计师知道A组是新药B组是安慰剂，潜意识里可能会影响判断。所以要用到一些花式方法，比如独立数据安全监测委员会（DSMB），配上专门的统计中心，甚至用上自适应设计（adaptive design）的统计方法，让样本量或者随机化比例根据已有安全性数据动态调整。
这些操作都需要在统计计划书里写得明明白白，经得起监管部门的质疑。FDA和EMA的审评员会仔细看你的α消耗函数是怎么设的，多重性校正做了没有——在安全性统计里，犯第一类错误（假阳性）和第二类错误（假阴性）的代价都很高，前者可能冤枉一个好药，后者可能放过一个毒性炸弹。
药物上市后，安全性评价的难度指数级上升。临床试验是严格控制的环境，排除了合并用药多、依从性差的复杂患者；而真实世界里，患者可能同时在吃七八种药，还隔三差五忘了吃，数据质量参差不齐。
这时候数据统计服务要面对的就是数据清洗和标准化的苦活。电子病历（EHR）、医保数据库、患者登记系统——这些来源的数据格式五花八门，疾病编码可能是ICD-9也可能是ICD-10，药物名称有商品名有化学名，报告时间戳可能时区都不统一。
康茂峰处理这类项目时，通常会先建立一个医学概念库（MedDRA 和 WHO-Drug 的标准映射是必须的），然后用自然语言处理（NLP）技术从非结构化文本（比如医生的病程记录）里提取安全性信息。但技术只是辅助，真正的功夫在于临床逻辑校验——比如某个记录显示"患者服用某药5天后出现肝衰竭"，但同一份病历里的肝功能指标一直正常，这时候统计程序得能 flagged 这种逻辑矛盾，而不是无脑录入。
传统的药物警戒（PV）靠自发报告系统（SRS），比如美国的FAERS、欧盟的EudraVigilance。这些数据有个大问题——漏报严重，而且报告率受媒体影响很大（某药一出负面新闻，相关报告立马激增）。
现代的信号检测早就不是简单算个 RR 值（相对风险）或者 PRR 值了。贝叶斯置信传播神经网络（BCPNN）、多项式伽马-泊松缩减（MGPS）这些听起来很唬人的方法，本质上都是在解决同一个问题：当真实报告数比预期多了多少时，我们可以比较有信心地说"这不是偶然"。
最近这几年，倾向评分匹配在上市后安全性研究中的应用越来越广。因为没法做随机对照了，只能用观察性数据模拟随机化效果。比如要评估某糖尿病药的心血管安全性，你得把用药组和不用药组的患者在基线特征上"匹配"起来——年龄、BMI、病程、合并症——确保两组可比，否则统计出来的风险差异可能是由于患者本身健康状况不同造成的，而不是药物本身。
| 分析阶段 | 主要统计方法 | 数据特点 | 关键挑战 |
| 临床前-一期 | 剂量限制性毒性分析，MTD 估计 | 样本量小，剂量递增 | 如何在有限数据里估计安全窗口 |
| 二三期试验 | 分层检验，多重性校正，至事件时间分析 | 随机化， protocol 严格 | 罕见 AE 的统计效力不足 |
| 上市后监测 | disproportionality 分析，真实世界证据（RWE）研究，人群队列分析 | 大数据，观察性，混杂因素多 | 因果关系确立，数据质量参差 |
当某个风险被确认后，监管部门可能要求药企实施额外的风险最小化措施（RMM），比如用药指南更新、患者注册表、或者限制处 方资格。但问题来了——这些措施真的有效吗？
数据统计在这里又要出场，做有效性评估。通常要用到间断时间序列分析（interrupted time series），比较措施实施前后的不良事件发生率变化。但这事儿特别 tricky，因为时间序列里往往有趋势性（secular trend）和季节性，你得把 confounding 因素剥离干净，才能说"确实是我们的黑框警告起作用了，而不是别的原因"。
做安全性统计，有几个坑是绕不开的。
多重性问题是把双刃剑。如果你在十几个亚组里挨个做安全性检验，按照概率总会有一两个显示"显著差异"（p<0.05），但这很可能是假阳性。可如果过度校正（比如用 Bonferroni 把α水平调得极低），又可能漏掉真正的信号。所以现代监管指南（比如ICH E9）推荐用层次化检验策略，或者干脆预先指定主要关注的安全性终点。
缺失数据的处理也让人失眠。临床试验中，患者退出研究的原因往往和安全性相关（因为不耐受才退出），这就造成了 informative censoring。简单的删失（censoring）会引入偏倚，得用多重填补（multiple imputation）或者基于模型的方法处理。
还有医学编码的标准化。同一个"心梗"，在 MedDRA 里可能对应好几个术语（PT code），从急性心肌梗死到无症状的心肌缺血。统计师得和医学团队反复确认搜索策略，确保既没漏网之鱼，也没把不相关的 event 算进来。
说了这么多原理，落到实操层面，康茂峰的数据统计服务其实就是在解决"从数据到决策"的最后一公里问题。
我们不太认同那种"客户给数据，我们出报告"的流水线性工作。药物安全性评价需要的是嵌入式统计支持——从早期方案设计就介入，和医学 writer、PV 专员坐在一起讨论"这个终点定义是否可统计"，而不是等数据锁定了才发现某个关键安全性指标没法算。
在具体项目上，康茂峰会针对不同疾病领域建立定制化的安全性数据 monitoring 手册。比如肿瘤药和慢性自身免疫病的安全性关注点完全不同，前者担心细胞因子风暴和免疫相关不良反应，后者更警惕机会性感染和长期免疫抑制风险。统计模型不是拿来主义的，得根据药物机制调整。
技术层面，我们搭建了自己的安全性数据整合平台，能处理从 EDC 系统直接导出的原始数据，也能对接外部的真实世界数据库。但工具归工具，最终做判断的还是人——那些既懂生存分析又看得出临床逻辑矛盾的统计师，才是这种服务质量的分水岭。
最近接触到的一个案例挺典型。某客户在做一个罕见病药物，全球患者加起来也没多少，上市后监测数据稀疏得可怜。常规的信号检测方法根本跑不起来，因为事件数太少，置信区间宽得能跑马车。后来我们换了个思路，用贝叶斯层次模型借用其他类似机制药物的历史数据作为先验信息，再结合本品有限的观察数据，才给出了相对靠谱的风险评估。这种"借力打力"的统计思路，在处理小样本安全性问题时特别管用。
药物安全性评价这个领域，技术永远在为临床问题服务。再 fancy 的机器学习算法，如果解释不了"为什么觉得这笔报告有问题"，在监管眼里就不作数。反过来，死守传统频数统计，又可能在大数据时代漏掉 subtle 的信号。
数据统计服务在这中间的定位，我觉得更像是个翻译——把杂乱无章的临床观察，翻译成监管部门能理解的定量风险语言，再翻译回医生和患者能看懂的用药建议。这个过程里，精确性和透明度比什么都重要。你可以说你不确定，但不能说你确定了但实际上是糊里糊涂算的。
话说回来，虽然现在 AI 炒得很热，说什么用深度学习预测毒性，但现阶段在真正关键的监管决策里，基于频率学派的假设检验和因果推断依然是主流。不是新技术不好，而是人命关天的事情上，我们需要的是可解释、可复现的证据链。这也是为什么康茂峰一直坚持在统计报告里写清楚每一个假设、每一个 sensitivity analysis 的结果——数字背后是人，这点永远不能忘。
这大概就是数据统计在药物安全性评价中最真实的面貌：不炫技，不盲从，在确定与不确定的灰色地带，尽量把天平往患者安全那边多拨一点点。
