差异性、优效性、等效性和非劣效性检验的区别

**实用文库汇编之非劣效、等效和优效性检验及其适用范围摘要：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P>0.05,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-μ2>0(或μ1-μ2<0),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P>0.05,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，也有可能是检验效能（把握度）不够，尚需更大样本量进行检验；如P≤0.05，两药疗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。

因此，临床试验的统计学家们提出了区间假设检验的方法，提出以临床意义的差异Δ来进行假设检验，这就是非劣效、等效和优效性检验的概念和方法。

发布日期20061120栏目化药药物评价>>临床安全性和有效性评价标题非劣效、等效和优效性检验及其适用范围作者黄钦部门正文内容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P>0.05，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-μ2〉0(或μ1—μ2〈0)，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P〉0.05，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，也有可能是检验效能（把握度）不够,尚需更大样本量进行检验;如P≤0.05，两药疗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.因此，临床试验的统计学家们提出了区间假设检验的方法，提出以临床意义的差异Δ来进行假设检验,这就是非劣效、等效和优效性检验的概念和方法。

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。

非劣效、等效和优效性检验及其适用范围摘要：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P>0.05,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-μ2>0(或μ1-μ2<0),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P>0.05,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，也有可能是检验效能（把握度）不够，尚需更大样本量进行检验；如P≤0.05，两药疗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。

因此，临床试验的统计学家们提出了区间假设检验的方法，提出以临床意义的差异Δ来进行假设检验，这就是非劣效、等效和优效性检验的概念和方法。

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A≠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0。

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（Δ）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？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Δ。

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≤Δ；（2）备择假设：A-B＞Δ。

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≤-Δ或A-B≥Δ；（2）备择假设：-Δ＜A-B ＜Δ。

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。

它可以是单侧也可以是双侧的检验。

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A≠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0。

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（Δ）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？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Δ。

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≤Δ；（2）备择假设：A-B＞Δ。

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≤-Δ或A-B≥Δ；（2）备择假设：-Δ＜A-B ＜Δ。

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。

它可以是单侧也可以是双侧的检验。

发布日期20061120栏目化药药物评价〉>临床安全性和有效性评价标题非劣效、等效和优效性检验及其适用范围作者黄钦部门正文内容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P>0。

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—μ2>0(或μ1-μ2〈0)，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P>0。

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，也有可能是检验效能（把握度）不够,尚需更大样本量进行检验;如P≤0。

05，两药疗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。

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）。

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δδ01和δ02 0表示；而等效性试验要用劣侧和优侧两个界值，分别用表示，理论上两侧界值可以取不等距，但实际上有一般取等距。

差异性、等效性、非劣效性和优效性设计中的t检验【摘要】随着新药临床试验的开展越来越多，也越来越规范，等效性检验、非劣效性检验和优效性检验被广泛地提出，但也常遇到以传统显著性检验代替非劣效、等效和优效性检验的错误。

因此，本文从样本均数的抽样分布出发，就它们的适用条件、检验目的、假设形式、公式的区别和联系进行了阐释。

【关键词】非劣效检验; 等效性检验; 优效性检验; 显著性检验; t检验【Abstract】 Along with more and more development and standard of clinical trials of new drugs，equivalence，non��inferiority test and superiority test are widelyintroduced.However，wrong replacements of non �� inferiority，equivalence and superiority tests with traditional significance test are often encountered.Therefore，based on theoretical derivation of the sampling distribution of two��sample mean difference，this article explained the applicable conditions，test purposes，hypothesis，and difference and association among the formulas of these three tests.【Key words】 equivalence test; non��inferiority test; superiority test; difference test; t ��test随着新药临床试验的开展越来越多，试验的设计和统计分析也越来越规范。