适应症领域
全领域
- 卡方检验 / Fisher 精确检验
Chi-Square Test / Fisher's Exact Test (Chi-square / Fisher)
比较两个独立治疗组的二分类结局比例，并按期望频数选择 Pearson 卡方或 Fisher 精确检验。
- 精确发生率比
Exact Rate Ratio for Two Poisson Rates (Exact IRR)
对两个独立 Poisson 事件数条件于总事件数，给出发生率比的 Clopper-Pearson 型精确区间和条件精确检验。
- 贝叶斯借用与后验分析
Bayesian Borrowing and Posterior Analysis (Bayesian)
将预先规定的先验分布与当前试验似然结合，得到治疗效应后验分布、可信区间和决策概率。
- Logistic 回归
Logistic Regression (Logistic)
对二分类应答概率建模，校正基线和中心等协变量，并输出治疗组调整后 OR、95% CI 与 p 值。
- Poisson 与负二项回归
Poisson and Negative Binomial Regression (Poisson / NB)
用对数暴露时间作为 offset 建模事件次数，估计发生率比，并根据预设策略处理过度离散。
- 有序 Logistic 回归
Ordinal Logistic Regression (Proportional Odds)
对有自然等级顺序的多分类结局拟合累积 logit 模型，用一个共同治疗 OR 概括跨阈值的等级改善。
- Cochran-Mantel-Haenszel 检验
Cochran-Mantel-Haenszel Test (CMH)
在预先规定的中心或随机分层因素内比较治疗组二分类结局，并给出分层校正检验与共同 OR。
- 率差及 Miettinen-Nurminen 置信区间
Risk Difference with Miettinen-Nurminen Confidence Interval (Risk Difference (M-N))
估计两个独立治疗组的应答率差及非对称 Miettinen-Nurminen 置信区间，并说明非分层适用边界。
- 协方差分析
Analysis of Covariance (ANCOVA)
校正基线值后的组间连续终点比较，输出 LS Mean 及组间差（95% CI）。
- 方差分析
Analysis of Variance (ANOVA)
比较三个及以上独立治疗组的连续终点均值，并给出总体 F 检验和按计划的两两比较。
- 重复测量混合模型
Mixed Model for Repeated Measures (MMRM)
联合分析多个访视的连续终点，建模受试者内相关性并估计目标访视的组间差。
- 多重插补
Multiple Imputation (MI)
在明确缺失机制和插补模型后生成多套完整数据，逐套执行同一分析，再用 Rubin 规则合并估计和不确定性。
- t 检验（两样本/配对）
Student's t-test (t-test)
比较两个独立组的均值，或比较同一受试者两个时点的配对均值差。
- Tipping-point 敏感性分析
Tipping-Point Sensitivity Analysis (Tipping Point)
对试验组缺失连续结局施加一系列 MNAR delta shift，寻找主结论首次翻转所需的缺失值偏离程度。
- Wilcoxon 秩和 / 符号秩检验
Wilcoxon Rank-Sum / Signed-Rank Test (Wilcoxon)
用秩而非原始数值比较两组独立样本，或检验配对差值的位置变化。
- 非劣效与等效性检验
Noninferiority and Equivalence Testing (NI / Equivalence)
明确治疗差方向和临床界值，用单侧置信下限判断非劣效，或用 TOST 判断治疗差是否完全落入等效区间。
- 多重性控制
Multiplicity Control (FWER / Holm)
先定义假设家族和检验顺序，再用 Bonferroni、Holm 或预设层级策略控制确认性结论的总体一类错误率。
- 描述性统计
Summary Statistics
用 n、均值、标准差、中位数、范围及频数百分比描述分析人群和终点分布。
- 组序贯与期中分析
Group Sequential Design and Interim Analysis (GSD)
在预设信息时点比较累计检验统计量与组序贯界值，在允许期中停止的同时控制总体 I 类错误。
- 倾向评分方法
Propensity Score Methods (PS)
用治疗分配的条件概率进行匹配、分层或加权，以改善观察性研究中已测量基线协变量的组间平衡。
- 竞争风险与累积发生函数
Competing Risks, Cumulative Incidence, and Fine-Gray Model (CIF / Gray / Fine-Gray)
在目标事件可能被另一事件阻止时估计累积发生函数，用 Gray 检验比较 CIF，并可用 Fine-Gray 模型估计亚分布风险比。
- Cox 比例风险回归
Cox Proportional Hazards Regression (Cox PH)
用半参数比例风险模型估计治疗组风险比及置信区间，并可按随机分层因素分层或校正协变量。
- Kaplan-Meier 生存分析
Kaplan-Meier Estimation and Log-rank Test (KM / log-rank)
估计时间-事件终点的生存曲线、中位时间和指定时点生存率，并用 log-rank 检验比较组间曲线。
- 限制性平均生存时间
Restricted Mean Survival Time (RMST)
在预先指定限制时间内计算 KM 生存曲线下面积，用可解释的时间差比较治疗组且不依赖比例风险假设。
- 分层 Log-rank 检验
Stratified Log-rank Test (Stratified log-rank)
在预先指定的随机分层因素内比较治疗组生存曲线，再合并各层观察与期望事件差得到总体检验。