临床试验常排除高风险患者，导致对药物危害的低估。

临床试验规避高风险患者群体导致药物危害被低估

美国国家经济研究局（NBER）最新工作论文（编号34534）揭示，癌症药物临床试验存在系统性排除高风险患者的现象，导致药物不良反应数据被严重低估。该研究由耶鲁大学Jason Abaluck、达特茅斯学院Leila Agha和哈佛大学Sachin Shah共同完成。

核心发现： 1. 风险差异显著：使用癌症药物使严重不良事件（SAE）住院风险每月增加2个百分点（增幅达250%）。高风险患者（风险分布前10%）的SAE发生率比低风险患者（后10%）高出2.5倍。

2. 入组选择偏差：高风险患者参与临床试验的概率反而比低风险患者低75%，形成"高风险群体回避"现象。

3. 评估偏差后果：针对实际用药人群预测的SAE发生率比试验参与者群体高出15%，相当于每25名患者接受一年治疗就会多发生1例SAE住院事件。

研究方法： 通过美国SEER-Medicare联动数据库，分析癌症患者治疗期间的住院记录，建立风险预测模型（包含并发症、虚弱程度、人口特征等变量）。

政策建议： 研究者提出应建立临床试验人群代表性监管框架，确保高风险群体纳入，并给出使试验结果更具外部有效性的具体条件。该发现对FDA完善药物审批标准具有重要参考价值。

（注：原文中大量导航菜单、机构介绍、无关项目列表等非核心内容已作删减，保留研究结论、数据细节及政策启示等关键信息）

这篇评论围绕临床试验中受试者代表性不足的问题展开讨论，主要观点如下：

1. 研究数据揭示的严重问题

   • 研究显示癌症药物临床试验中高风险患者（90百分位）的严重不良反应发生率是低风险患者（10百分位）的2.5倍，但前者入组概率却低4倍
   • "治疗使严重不良反应住院风险每月增加2个百分点（增幅250%）"
   • "目标人群的预测SAE治疗效应比试验参与者高15%"

2. 试验设计的现实困境

   • 有评论认为包含过多并发症患者可能增加药物失败风险
   • "在小型研究中，特殊患者被视为混杂变量是可以理解的"
   • "提高试验标准若不谨慎，既不利于患者也不利于商业"

3. 代表性不足的系统性原因

   • 女性长期被排除在试验外（1993年前成为常态）
   • "研究者担心月经周期会影响测试结果"
   • 抑郁症试验排除有自杀倾向者引发质疑
   • "他们到底在测试什么类型的'抑郁症'？"

4. 监管与方法论缺陷

   • 安慰剂使用缺乏规范
   • "常见使用具有类似效果的药物作为安慰剂，但往往不被记录"
   • 特殊药物（如MDMA）的试验准入标准过于严格
   • "阅读MDMA对PTSD的研究参与者排除标准后，似乎很少有人能符合条件"

5. 数据真实性问题

   • 有观点认为药品副作用发生率被系统性低估
   • "每当看到药品副作用发生率数据时，实际比例往往要高得多"