下载文档原格式
临床试验中的非劣效性、优效性和等效性检验来源：医药魔方在评价临床试验的疗效时，常用的假设检验有非劣效性试验（non-inferiority trial）、等效性试验（equivalence trial）和优效性试验（superiority trial）。
非劣效性试验是检验一种药物是否不劣于另一种药物的试验，多用于有客观疗效指标的临床研究中，如抗菌药物的临床终点、心血管治疗中的不良事件、肿瘤治疗中的死亡或进展等。
非劣效性试验的原假设为试验药(T)总体疗效比对照药(C)总体疗效要差，且差值是-（非劣效性界值）或更小的负值；而备择假设为试验药总体疗效要比对照药好，或者虽然比对照药差，但其差值比-大。
拒绝了原假设即可得出试验药比对照药非劣效的结论。
等效性试验是检验一种药物是否与另一种药物疗效“相等”的试验（实际为相差不超过一个指定的界值）。
例如研究仿制药与原药的疗效是否“相等”、小剂量来替代大剂量的疗效是否“相等”、短疗程药物来替代长疗程药物的疗效是否“相等”。
其原假设为总体参数间差别超过或等于一个研究者规定的等效性界值，而备择假设为总体参数间差别小于研究者规定的等效性界值。
为了说明“等效”，需要同时进行两次非劣效检验，分别推断。
仅当既说明试验药非劣效于对照药，又说明对照药非劣效于试验药时，才能得出两药“等效”的结论。
优效性试验是检验一种药物是否优于另一种药物的试验，一般对于以安慰剂作为对照的试验常用优效性试验。
优效性试验的原假设为试验药(T)总体疗效等于对照药(C)的总体疗效，或试验药劣于对照药；而备择假设为试验药总体疗效优于对照药。
拒绝了原假设即可得出试验药比对照药优效的结论。
优效性、等效性和非劣效性试验示意图以上三种试验都是临床研究常见的研究假设，其中以非劣效性试验应用最为广泛。
在临床研究的具体应用中，研究者要明确三种试验的不同之处，并结合自身的研究设计和研究目的来选择正确的试验方法以及相对应的统计分析技术，以期得到合理的统计推断与研究结论。
优效性等效性非劣性研究的区别This model paper was revised by the Standardization Office on December 10, 2020我们进行临床试验的目的是检验药物（治疗）的效果，而效果往往是需要一个参照药物（治疗）的。
在临床试验中，研究参与人员往往对优效、等效、非劣效这三个概念不是很清晰，甚至对混用，尤其是在根据统计分析结果来推导结论时。
优效性研究假设如下：H0 （无效假设，Null Hypothesis）：研究药物疗效—对照药物疗效<优效标准H1 （备择假设，Alternative Hypothesis）：研究药物疗效—对照药物疗效=>优效标准当拒绝H0时，统计结论是可以认为研究药物疗效优于对照药物；当不能拒绝H0时，统计结论是不可以认为研究药物疗效优于对照药物。
非劣效性研究假设如下：H0 （无效假设，Null Hypothesis）：研究药物疗效—对照药物疗效<非劣效标准H1 （备择假设，Alternative Hypothesis）：研究药物疗效—对照药物疗效=>非劣效标准当拒绝H0时，统计结论是可以认为研究药物疗效不劣于对照药物；当不能拒绝H0时，统计结论是不可以认为研究药物疗效不劣于对照药物。
等效性研究假设如下：H0 （无效假设，Null Hypothesis）： |研究药物疗效-对照药物疗效|>等效标准H1 （备择假设，Alternative Hypothesis）： |研究药物疗效-对照药物疗效|<=等效标准当拒绝H0时，统计结论是可以认为研究药物疗效与对照药物等效；当不能拒绝H0时，统计结论是不可以认为研究药物疗效与对照药物等效。
而我们做的比较多是非等效研究，即当等效标准为0时，与等效性研究假设相反的研究。
假设如下：H0（无效假设，Null Hypothesis）： |研究药物疗效-对照药物疗效|<=等效标准=0H1 （备择假设，Alternative Hypothesis）： |研究药物疗效-对照药物疗效|>等效标准=0当拒绝H0时，统计结论是可以认为研究药物疗效与对照药物不等效；当不能拒绝H0时，统计结论是不可以认为研究药物疗效与对照药物不等效（但不是等效）。
20207一、概述 (1)二、应用条件 (1)（一）阳性对照药疗效的既往证据 (2)（二）恒定假设 (2)（三）良好的研究质量 (3)三、设计要点 (3)（一）统计假设 (3)（二）阳性对照药 (4)（三）分析人群 (4)四、非劣效界值确定与统计推断 (5)（一）固定界值法 (6)（二）综合法 (8)五、其他考虑 (9)（一）相对于疗效损失的潜在获益 (9)（二）非劣效与优效检验的转换 (9)（三）三臂非劣效设计 (9)（四）与监管机构的沟通 (10)附录1：中英文词汇对照 (11)附录2：主要公式 (12)（一）固定界值法 (12)（二）综合法 (12)附录3：应用示例 (13)（一）固定界值法 (13)（二）综合法 (14)一、概述当确证某个药物疗效时，优效试验（如证明试验药与安慰剂或阳性药相比较的优效性）一般是理想选择。
当优效试验不适用，比如使用安慰剂对照不符合伦理要求时，可考虑采用非劣效试验。
非劣效试验是为了确证试验药的临床疗效，即使低于阳性对照药，但其差异也是在临床可接受范围之内。
本指导原则旨在阐述非劣效试验的应用条件、设计要点、非劣效界值设定、统计推断以及其他监管考虑等方面内容，以指导临床试验各相关方能够正确地认识、实施和评价非劣效试验。
本指导原则主要适用于支持药品注册上市的确证性临床试验，也可供探索性临床试验参考使用。
二、应用条件非劣效试验以阳性药作为对照，目的是确证虽然试验药的疗效低于阳性对照药的疗效，但差异在可接受的范围之内。
非劣效试验中阳性对照药相对于安慰剂的疗效无法在本试验中直接观察，因此需要假定阳性对照药有确切的疗效。
非劣效试验应确保具有足够的检定敏感性，即具有区分阳性对照药为有效、低效或无效的能力。
关于检定敏感性的详细阐述可参考ICH E10《临床试验中对照组的选择和相关问题》。
要确保非劣效试验具有一定的敏感性，应着重考虑以下三个方面：（一）阳性对照药疗效的既往证据通常阳性对照药相对于安慰剂的疗效差异来源于已知的、具有良好设计和实施的临床试验结果。
优效性等效性非劣性研究的区别标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]我们进行临床试验的目的是检验药物（治疗）的效果，而效果往往是需要一个参照药物（治疗）的。
在临床试验中，研究参与人员往往对优效、等效、非劣效这三个概念不是很清晰，甚至对混用，尤其是在根据统计分析结果来推导结论时。
优效性研究假设如下：H0 （无效假设，Null Hypothesis）：研究药物疗效—对照药物疗效<优效标准H1 （备择假设，Alternative Hypothesis）：研究药物疗效—对照药物疗效=>优效标准当拒绝H0时，统计结论是可以认为研究药物疗效优于对照药物；当不能拒绝H0时，统计结论是不可以认为研究药物疗效优于对照药物。
非劣效性研究假设如下：H0 （无效假设，Null Hypothesis）：研究药物疗效—对照药物疗效<非劣效标准H1 （备择假设，Alternative Hypothesis）：研究药物疗效—对照药物疗效=>非劣效标准当拒绝H0时，统计结论是可以认为研究药物疗效不劣于对照药物；当不能拒绝H0时，统计结论是不可以认为研究药物疗效不劣于对照药物。
等效性研究假设如下：H0 （无效假设，Null Hypothesis）： |研究药物疗效-对照药物疗效|>等效标准H1 （备择假设，Alternative Hypothesis）： |研究药物疗效-对照药物疗效|<=等效标准当拒绝H0时，统计结论是可以认为研究药物疗效与对照药物等效；当不能拒绝H0时，统计结论是不可以认为研究药物疗效与对照药物等效。
而我们做的比较多是非等效研究，即当等效标准为0时，与等效性研究假设相反的研究。
假设如下：H0（无效假设，Null Hypothesis）： |研究药物疗效-对照药物疗效|<=等效标准=0H1 （备择假设，Alternative Hypothesis）： |研究药物疗效-对照药物疗效|>等效标准=0当拒绝H0时，统计结论是可以认为研究药物疗效与对照药物不等效；当不能拒绝H0时，统计结论是不可以认为研究药物疗效与对照药物不等效（但不是等效）。
差异性、优效性、等效性和非劣效性检验的区别在临床研究工作中，我想大部分临床研究者都听说过优效性、等效性和非劣 效性检验等，有很多人也很明白，但也有人尚不太清楚它们之间的区别， 本期我 们将和大家一起来讨论这一问题。
1什么是差异性检验?差异性检验，大家天天都在用，其实大家的论文里大部分用的都是差异性检 验。
比如独立样本t 检验，两个可选的假设分别是 A=B 和心B 。
这就是差异性 检验，或者叫不等的检验，意思就是 A 和B 两组有差异、不相等。
什么意思呢？ 就是检验A-B=0这一公式成立与否。
比如同一批病人，我们随机分成 A 和B 组，然后检验A 组和B 组患者血红蛋 白水平的高低，这就是差异性检验。
即 A 组和B 组之间有差异，什么叫有差异， 就是两组间的差异不等于00跟上述内容相反的是，当我们将A 组和B 组之间的差异跟一个既定的值（△） 比较时，就产生了一系列的检验，如优效性、等效性和非劣效性检验。
下面这个图可以先看一下：2、什么是优效性、等效性和非劣效性检验?差畀性检验上述三种检验在临床药物试验中应用最多，当我们研制一种新药物的时候我们总是盼着新药的疗效比较好，或者跟旧药差不多。
我想没有人会盼着研制的新药的疗效差于旧的药物，那么还研制它干嘛啊。
基于上述三种情况，就提出了三个用于新药临床试验的检验思路，分别是优效性、等效性和非劣效性检验。
下面分别说明，先假设一个例子，某研究者要研究A 药与B药的关系，他能够接受的差值是2.1 优效性检验研究目的：A药的效果好于B药。
研究假设：(1)无效假设：A-B< A ;(2)备择假设：A-B>4。
备注：用来证实新药A的效果好于旧药B,来判断新药A上市的情况。
它是一个单侧的检验。
2.2 等效性检验研究目的：A药的效果等于B药。
研究假设：(1)无效假设：A-B W - △或A-B> A ; (2)备择假设：-Av A-B v A。
备注：常用于同一活性成分的药物之间的疗效比较，证实的是A药和B药的疗效相当。
临床非劣效性与等效性评价的统计学方法二临床非劣效性与等效性评价的统计学方法二第一步：非劣效性评价单侧假设检验：z=(2＋3)/1.033=4.84>1.645(z0.95)，P<0.05单侧95％可信区间下限：CL=2-1.645×1.033=0.301>-3两种方法均显示，在抗高血压效果方面新药AII拮抗剂与标准药ACE抑制剂相比具有非劣效性。
第二步：优效性评价单侧假设检验：z=2/1.033=1.936>1.645，P<0.05单侧95％可信区间下限：CL=0.301>0结果表明，新药AII拮抗剂比标准药ACE 抑制剂的抗高血压效果具有统计学意义优效性。
ICHE9指导原则中的建议[1]更保守些，若按α取0.025的标准判断，非劣效性评价的z=4.84>1.96(z0.975)，P<0.025，可下非劣效性结论。
但是，因优效性评价的z=1.936<1.96，P>0.025，尚不能认为具有统计学优效性，更达不到临床意义上的优效性。
有一种情况值得注意，即求得的可信区间的下限大于-δ，但上限却比0小，管理当局比如美国的FDA可能仍然把试验药看作和标准药不等效，甚至比标准药还差，尽管非劣效性的标准已经达到了。
这一额外增加的标准之严格，似乎并不是从统计学意义上考虑的。
事实上，这对很高效地完成试验而出现了窄小的CI可能是不公正的。
4非劣效性/等效性试验样本含量估计及检验效能对服从正态分布的数据（定量指标）和服从二项分布的数据（率指标）分别介绍。
4.1定量指标4.1.1非劣效性试验按照单侧的检验水准α，要求允许的二类误差概率不超过β，在T=S的条件下，非劣效性试验每组需要的样本含量为：n=2[(Z1-α＋z1-β)(s/δ)]2检验效能为：1-β=Ф[δ(2s2/n)-1/2-z1-α]式中s为两组的合并标准差。
n为每组的样本含量。
Ф[x]代表标准正态分布下x 左侧的概率Pr[X≤x]。
临床试验研究统计学设计方法简述--优效性设计，等效性设计
以及非劣效性设计
李雪迎
【期刊名称】《中国介入心脏病学杂志》
【年(卷),期】2014(000)008
【摘要】干预性研究的核心目的在于验证临床干预手段的临床效能。
为了说明干预效果,对照研究是常用的研究手段。
从验证的目标看,对照研究往往通过与对照干预措施的比较,说明试验方法的临床干预效果。
从二者的有效性对应关系上,临床验证大致可以分为以下三种类型。
1.试验方法优于对照方法; 2.试验方法的效果与对照方法相仿（即试验方法的干预效果既不比对照方法差也不比对照方法好）; 3.试验方法的效果不比对照方法差。
【总页数】1页(P482-482)
【作者】李雪迎
【作者单位】100034 北京，北京大学第一医院医学统计室
【正文语种】中文
【相关文献】
1.临床试验配对二项数据基于率比的非劣效性/等效性评价 [J], 刘玉秀;姚晨;陈峰;夏结来
2.有效性试验、非劣效性试验、和等效试验之间的比较 [J], Wang B;Wang H;Tu XM;Feng C
3.差异性、等效性、非劣效性和优效性设计中的t检验 [J], 徐利娜;迭敏;刘丽珍;陈
卫中
4.新型膝关节假体应用于人工膝关节置换的安全性和有效性:前瞻性、随机、阳性平行对照、非劣效性临床试验 [J], 李治锋;孙景东;张江;龚泰芳
5.临床非劣效性/等效性评价的统计学方法 [J], 刘玉秀;姚晨;陈峰;陈启光;苏炳华;孙瑞元
因版权原因，仅展示原文概要，查看原文内容请购买。
戏说临床试验中的非劣效性、优效性和等效性检验药物/医疗器械临床试验中，根据试验目的不同，需采用不同检验来验证假设。
实际应用中，大家常听说非劣效、优效、等效等名词，傻傻分不清楚。
本文将从实例角度，对三者戏说漫道，以作区分，望行业内小白也能知其一二，此心甚慰！奥家有两位千金，小彤和小依，均貌美如花。
小彤稍年长，已到了谈婚论嫁的年纪，追求者甚众。
小彤也是精挑细选，终于觅得一位如意郎君，小伙长的贼精神，英俊帅气，高大威猛，身高足有一米八。
小依也到了如花似玉的年纪，看到姐姐幸福美满，十分羡慕，也希望找一个自己满意的男友。
那么问题来了，什么样条件的男友，小依才会认为满意呢？这里首先涉及到临床试验中选取主要评价指标的问题。
用帅来评价可以吗？所谓萝卜青菜，各有所爱，帅这个东西，太主观了，每个人对帅都有自己的定义，人们常说一朵鲜花插牛粪，那是外人的眼光来评价，鲜花自己可能觉得赏心悦目。
因此太主观的指标不太好量化，还是换个标准吧。
这也就是为什么临床试验中，问统计专家该采用什么主要指标评价产品性能的时候，他们总建议采用客观性评价指标（可测量可量化），而不推荐使用主观性指标。
那么该采用什么指标呢？身高（高优指标，越高越好的指标）！这也是众多女生比较喜爱的主要择偶标准之一，客观且好量化。
那好，就采用它来作为小依择男友的评价标准吧。
问题接着来了，到底多高，才是小依对男友满意的身高呢？小依听取了众多闺蜜的意见，大致分成了三类，转换成统计术语如下：（1）非劣效：可以比姐夫矮一点，但是不能矮太多。
多少不算矮太多呢？以姐姐小彤男友的身高作为阳性对照，小依认为，5厘米（非劣效界值）是她可以忍受的差距。
根据这条标准，小依找的男朋友可以比1.80m高，但最低不能低于1.75m（图1），这就是大家常说的非劣效的概念，很明显，这是个单侧的比较。
图1 非劣效图示（2）优效：比姐夫高。
也就是说，小依将来找的男朋友，一定要高于1.80m。
1）假如小依只要男友高于姐夫就好，那么将来男友的身高-姐夫的身高>0cm（优效界值1）即可(图2)；2）假如小依对未来男友的身高很有信心，认为肯定可以超过1.85m，那么1.85m-1.80m=5cm（优效界值2），将来男友的身高，只有高于1.85m，才算合格（图3）。
劣效、等效和优效性检验及其适用范围劣效、等效和优效性检验及其适用范围劣效、等效和优效性检验及其适用范围审评四部审评八室黄钦摘要:在对国内临床研究报告的审评中我们经常遇到以传统的显著性检验代替非劣效等设计的检验的情况，下文探讨了二者的区别及适用范围。
关键词:非劣效试验等效性试验优效性试验一、传统检验和区间检验药品的临床试验一般要求设计为随机、盲法和对照药物比较的研究，以判断和区别其实际的疗效如何，审评中我们常见到的错误是采用如下传统的假设检验: 无效假设H0:A药的疗效-B药的疗效=0备择假设H1:A药的疗效?B药的疗效结论:如P0.05,按α=0.05的检验水准不能拒绝H0假设，如P?0.05，则接受H1假设。
目前已经公认这种传统的假设检验(又称显著性检验)用于临床试验判断药物的疗效是不合理的，它不能准确区分两药疗效差异的方向性和体现差异大小所揭示的临床实际意义，因此国际普遍采用非劣效、等效或优效性假设检验。
传统的假设检验之所以不合理，在于两个方面,一方面它所推断的是两个总体均数在统计学是否不相等，是纯粹的统计学意义，而未体现实际的临床意义，虽然有单双侧之分,如单侧为H0:μ1-μ2=0,H1:μ1-μ20(或μ1-μ20),但它检验的依然是样本所代表的总体均数的统计学含义，而未将实际临床意义包含进来考虑。
另一方面，对于传统检验的结论，如P0.05,表示两药疗效的差别无统计学意义,不拒绝H0假设，说明现有数据尚无法对两药疗效的总体均数是否不等的判断下结论，并不是当然的接受H0假设，并非认为H0假设必然成立而两药疗效的总体均数一定相等，此时有可能两药疗效的总体均数确实相似，也有把握度)不够，尚需更大样本量进行检验;如P?0.05，两药疗可能是检验效能( 效的差别有统计学意义,也就是说，两药疗效的总体均数确实不相等，但这种统计学意义的差异不一定具有实际的临床意义，也可能其临床意义却是优效、等效或非劣效的。
优效性试验（superiority）—显示优效性的设计通过安慰剂对照试验显示优于安慰剂或优于阳性药，或由剂量反应关系证实疗效是最可信的。
此类试验称为优效性试验。
非劣效性（non-inferiority）—试验/等效性(equivalence)试验—显示非劣效性或等效性的设计，以阳性药物为对照，试验的目标是显示试验药物的疗效与某种已知的阳性药物“不差”或“相当”，分别称为非劣效性试验和等效性试验
稳定性假设（constancy assumption）—指阳性对照药物在既往研究（对安慰剂）中的效应量在当前的非劣效性或等效性试验保持不变。
检测灵敏度（assay sensitivity）—分辨某种治疗与较差的治疗或无效的治疗之间差别的能力，对优效性试验、非劣效性试验与等效性试验具有不同的意义。
优效性试验如果是成功的，即试验显示出试验药与安慰剂之间的差别，则检验灵敏度自然成立；对非劣效性和等效性试验而言，如果阳性药没有检测灵敏度，一个无效的试验药可能会因为非劣效性而错误地确认其疗效。
{无效药如何得出非劣效性}
一、非劣效性/等效性试验中的样本含量估计
（一）决定非劣效性/等效性试验样本含量估计的要素
1. 非劣效性（non-inferiority）/等效性(equivalence)界值从临床
意义上确认药物的疗效，需要事先确认评价的界值。
在优效性试验中，界值指试验药和对照药之间相差的临床上认可的最小值。
在非劣效性试验中指临床上可接受的最大值。
对非劣效性和等效性试验，它必须小于阳性对照药与安慰剂比较时的效应差值（如果已知，可取去1/3或1/2）。
界值的确定需要由主要研究者从临床意义上和统计学专业人员才统计学意义上共同商定，而不是单独依赖于主要研究者或统计学专业人员。
优效性试验和非劣效性试验仅用一个界值，用δ0表示；而等效性试验要用劣侧和优侧两个界值，分别用δ01和δ02表示，理论上两侧界值可以取不等距，但实际上有一般取等距。
界值确定必须在实验设计阶段完成，并在试验方案中阐明，如有修订，必须在揭盲之前进行并阐述理由，一旦揭盲，不得修改。
这一点很重要，若不遵守，则很容易陷入“数字游戏”的危险。
根据既往经验，对有些临床定量指标具有专业意义上的变化量，{血压实验组—血压对照组}可根据粗略的界值参考标准，例如血压可取为0.67kPa(5mmHg)，胆固醇可取为0.52mmol/L(20mg/dl),白细胞可取为0.5x109/L(500个/mm3)。
非劣效性/等效性试验经常是对变化量间的比较，相应的界值（指变化量之间的差值）应更小{血压变化值实验组—血压变化值对照值}，例如血压变化值的等效界值可取为0.4kPa(3mmHg)，胆固醇变化值的等效界值可取为0.26mmol/L(10mg/dl),白细胞变化值的等效界值可取为0.2x109/L（200个/mm3)。
当难以确定时，可酌取1/5~1/2个标准差或参比组均数的1/10~1/5等。
{变化值的标准差和变化值的
标准误？还是指标的标准差、标准误？} 对两组率而言，建议取15%以下的值，通常最大不超过对照组样本率的1/5。
当然，界值也不能过小。
例12--1 为了显示一种新药血管紧张素Ⅱ拮抗剂（AⅡ）治疗轻中度原发性高血压的降压效果不差于标准药血管紧张素转换酶抑制剂（ACE），主要终点指标用仰卧舒张压（）的下降幅度，{变化量} 应如何考虑制定非劣性界值的问题？
资料表明，，既往ACE与安慰剂的对照试验显示最小的药物效应差值Δ为1.34kPa（10mmHg），基于临床考虑，认为用δ0=0.40kPa(约为Δ的1/3)作为非劣效性试验的界值是合理的{有文献表明不可取}，即只要AⅡ的平均降压不比ACE的平均降压值小0.40kPa或更多，则可认为AⅡ与ACE相比为非劣效。
当然，若适当放宽控制非劣效的标准时，δ0的取值可稍微大些，例如δ0=0.670kpa(约为Δ的1/2)。
2.Ⅰ、Ⅱ型错误概率Ⅰ型错误概率用α表示，指事实为劣效/不等效时拒绝了劣效/不等效的概率；Ⅱ型错误概率用表示,指当事实为非劣效/等效是接受了劣效/不等效的概率。
检验功效power=1—β。
一般准则是，α取0.05或0.10，β取0.05、0.10或0.20。
新药注册研究中，α取0.05或0.10，β取0.20或0.10可被认可。
3. 变异度反映两组总的变异程度，一般用方差（或标准差）表示。
两组定量指标均数比较，其方差可通过两组样本方差估计，或用标准治疗组方差，或以既往研究结果作为估计值。
两组率指标比较其方差可通过两组样本率估计，或根据既往知识取值；若难以获知事先
信息。
可用50%作为总体率，估算最大样本含量。
4. 终点指标类型及效应测量最常见的终点指标和二分类指标。
从非劣效性/等效性对比判定考虑，还需考虑效应指标差值或比值的选择问题，一般使用差值。
对两组比较以δ表示两组总体参数或比值。
在实际进行非劣效性/等效性设计时往往不能获知δ的大小，通常令δ=0 (两组为差值时)或δ=1（两组为比值时）。
5.比较类型设计非劣性试验是为了显示试验治疗按照一个事先制定的界值δ0不差于标准治疗，该类型试验关心的问题是单侧的，但对试验治疗可能优于的程度未加限制。
而等效性试验关心的问题则是双侧的，希望阐明两种治疗的效应在两个方向上差别不大，即分别按照界值δ01和δ02揭示出试验治疗既不比标准治疗差，也不优于标准治疗。
从假设检验的角度考虑，双侧等效性不同于大家熟知的通常意义上的双侧检验情形（图12-2a）。
后者涉及的无效假设是δ取单个数值δ0，备选假设取两个方向上的不同于δ0的任何值，因此其备选假设是“双侧”的。
然而，在双侧等效性情况下（图12-2b），无效假设（δ≤δ01或δ≥δ02）是双侧的。
这种比较类型的不同将体现在样本含量估计中。
6.两组的例数分配比例两组比较去相等的样本含量时总样本含量最少，且可在同等总样本含量下达到最高的统计效能，当然，实际工作中也可按需要进行两组不等的样本含量估算。
试验中有时尚需结
合具体情况进行适当调整，例如考虑最多的是依从性和失访问题。
（1）依从性（compliance ） 临床试验的困难之一就是患者不遵从指定的治疗。
从保守的角度考虑，假定不依从的患者没有从治疗中收益，则样本含量调整计算式为：
2)1(m adj p n n -=
式中，p m : 不依从的比例，表12-2列举了不同的不依从比例的调整因子大小。
表12-2 不同的依从比例下的调整因子大小
不依从比例 0.05 0.10 0.20 0.30 0.50
调整因子=1/(1—m P )2 1.11 1.23 1.56 2.04 4.00
（2） 失访（loss to follow-up ） 泛指分析时未能获得终点结果。
假定失访率为l, 则样本含量调整公式为：
l n n -=1
它假定所有患者的失访都发生在随机化时（？？），可见该结果偏于保守。
（二） 非劣效性/等效性试验样本含量的估计方法
非劣效性试验两组总样本含量计算通用公式为。
