武汉康诺舒科技有限公司 - 临床试验样本量估算

免责声明：本文为医疗器械注册与临床评价领域的技术交流内容，面向研发、注册及临床研究从业者，仅讨论试验设计方法与样本量估算的统计学路径，不涉及任何疾病诊疗建议，不构成注册承诺或法律意见。文中案例均为公开注册试验的信息整理，仅用于方法学说明；法规与指导原则以官方最新发布文本为准。

一句话先给结论：样本量不是"产品越贵越多"，而是由「主要评价指标 + 设计类型」两个变量决定的。同一台设备、同一个适应证，换一种设计，样本量能差三到四倍。下面用三类器械的真实账本，把这笔账算给你看。

一、先认清四个输入，和一条"放大规则"

样本量估算的本质，是回答一个问题：在允许犯多少错的前提下，需要多少例才能把真实存在的差异"验出来"？

α（检验水准）

第Ⅰ类错误概率，把"无效"误判成"有效"的概率。常用取值：单侧 0.025。

1−β（把握度）

真实有效时能被检验出来的概率。常用要求：不低于 80%（即 β ≤ 0.2）。

效应量

试验器械的预期水平、目标值或非劣效界值。必须由指导原则／行业标准／同类产品数据支撑，不能自己拍。

变异度

定量指标的 σ（标准差），或定性指标的事件率。通常来自文献或预试验。

放大规则：公式算出的只是"最小样本量"，实际入组还要按预期脱落率放大——脱落率通常不应超过 20%。所以最终例数总是比公式结果高一档。

三个容易踩的点：

▍效应量必须"有出处"：目标值优先取监管指导原则给出的值；没有指导原则时按行业标准、专家共识；都没有才用同类产品历史数据的 Meta 分析结果。自己拍一个目标值，等于把审评风险留在方案里。

▍多个主要指标要处理多重性：设了两个及以上主要指标，需调整 α 或 β，不能按单指标算完就用。

▍期中分析要付代价：做了期中分析，就要相应调整 α 的分配。

◆ ◆ ◆

二、三条主流算法，分别什么时候用

2.1　单组目标值法（OPC / PG）

把试验结果与事先设定的目标值比较。能用它的场景很窄：没有同类产品上市、设对照在伦理或操作上不可行、或者指导原则明确写了可用。

计数资料的公式：

n = [ Z₁₋α·√(π₀(1−π₀)) + Z₁₋β·√(π₁(1−π₁)) ]² ÷ (π₁−π₀)²

π₀ 为目标值，π₁ 为预期值。以指导原则给出的例子核对：目标值 90%、预期 95%、α=0.025（单侧）、β=0.2，单算结果约 239 例，考虑 20% 脱落约 299 例。

它的致命弱点：只能证明"达到公认最低标准"，无法确证优效、等效或非劣效；也不适合主观指标和自愈性疾病。

2.2　平行对照（优效 / 非劣效）

每组样本量：

n/组 = (Z₁₋α + Z₁₋β)² × [ p₁(1−p₁) + p₂(1−p₂) ] ÷ (p₁−p₂−Δ)²

优效示例：试验组成功率 70%、对照组 40%、α=0.025（单侧）、β=0.2、1:1 分组——每组约 40 对，考虑 20% 脱落共 50 对（100 例）。

非劣效示例：试验组 70%，依据既往文献对照与假开机之间的净效应为 30%，非劣效界值取净效应的 1/2 即 15%——每组约 147 对，考虑 20% 脱落共 184 对（368 例）。

同一产品、同一主要指标，优效与非劣效两套假设之间，例数差了 3.7 倍。界值怎么取，是整份方案里最贵的一个决定。

2.3　诊断试验（灵敏度 / 特异度分开算）

抽样调查设计的诊断试验，用灵敏度算阳性组、用特异度算阴性组，两组分别估算后相加：

n = Z²(1−α/2) × P(1−P) ÷ Δ²

Δ 是允许误差，一般取 P 的 95% 置信区间宽度的一半，常用 0.05～0.10。P=95%、Δ=5% 时每组约 73 例；P=90%、Δ=5% 时约 139 例。

【图片占位 · 正文图】建议：三类产品样本量对比刻度图（血氧仪 10 人/200 点 ↔ 150 人/3000 点；皮秒激光 84 例 ↔ 454 例；神经刺激器 100 例 ↔ 368 例）（上传后删除本段）

三、案例一：皮秒激光（Ⅲ类，09-03-01）

为什么必须做临床试验：现行《激光治疗设备同品种临床评价注册审查指导原则》（CMDE 2023 年第 28 号）适用范围明确不含皮秒激光设备——这意味着皮秒走不了同品种比对路径，临床证据必须自己产出。

真实设计与账本（公开注册信息）：某 Nd:YAG 皮秒激光治疗仪用于面部雀斑的注册试验，采用前瞻性、多中心、随机、评估者盲、半脸自身配对、非劣效设计，非劣效界值 10%，主要终点为 8 周随访时病变清除率 ≥60% 的应答率，计划样本量 84 例（实际入组 84 例、无脱落，两组应答率均为 97.6%）。

84 是怎么来的？配对二分类非劣效设计的样本量，驱动参数不是总体事件率，而是不一致对比例 ψ（同一受试者左右脸结果不同的比例）：

不一致对比例 ψ = 10%　→　界值 10% 时所需约 77 例

不一致对比例 ψ = 11%　→　约 84 例　（与实际方案吻合）

不一致对比例 ψ = 15%　→　约 116 例

不一致对比例 ψ = 20%　→　约 155 例

ψ 每上升 5 个百分点，样本量就要多三成。这就是为什么预试验里必须把左右脸不一致的实际情况摸清楚，而不是凭经验填一个数。

换个设计会怎样？若同一适应证改用单组目标值法（目标值 85%）：

预期应答率 95%　→　计算 79 例　｜　加 20% 脱落 98 例

预期应答率 92%　→　计算 176 例　｜　加 20% 脱落 220 例

预期应答率 90%　→　计算 363 例　｜　加 20% 脱落 454 例

同一个适应证，配对非劣效 84 例 vs 单组目标值 454 例，相差 5 倍以上。设计类型的选择，比临床中心的谈判技巧更能决定预算。

参数敏感性更值得记住：目标值 90% 时，若预期值只从 95% 降到 92%，例数会从约 239 例飙到约 1666 例。四个百分点的差距，是七倍的样本量。所以"预期值怎么论证"是方案里最不能含糊的一页。

◆ ◆ ◆

四、案例二：脉搏血氧仪（Ⅱ类，07-03-05）

血氧仪的特殊性在于：主要评价指标是准确度（Arms / Bias），属于计量指标 + 重复测量，因此样本量的计量单位不是"人"，而是"数据对"。

国内口径

依据《脉搏血氧仪注册技术审查指导原则》（属免于临床评价目录产品，但仍须补充血氧准确度人体评估，单中心）：

▍志愿者不少于 10 例（男、女各不少于 3 例），总数据点不少于 200 个；

▍诱导降氧覆盖 5 个血氧平台（100%~97%、97%~92%、92%~85%、84%~78%、77%~70%），每个平台至少采集 5 个数据点；

▍相邻采血间隔超过 20 秒；切换平台后先稳定至少 30 秒再采血；

▍结果以均方根（Arms）不超过 4% 为判定要求，需给出 Bland-Altman 图与偏倚-回归模型；

▍肤色分层：应考虑黑色素沉淀影响，我国人群以 Fitzpatrick Ⅲ、Ⅳ 型为主，建议纳入 V 型志愿者不少于 2 例。

美国口径

FDA 2025 年 1 月发布的血氧仪指南草案：

▍受试者不少于 150 人；

▍有效配对数据不少于 3000 对；每人 20~24 对（最少 17、最多 30）；

▍Monk 肤色量表（MST）1-4 / 5-7 / 8-10 三组，每组数据对占比不低于 30%；

▍三项共同主要分析同时成立：总体 Arms < 3%、MST 组间偏倚差异达标、按个体色调角（ITA）的偏倚变化达标。

把两套口径翻译成同一句话：

国内要求

受试者 ≥10 人　｜　每人约 20 对　｜　总数据对 ≥200

FDA 草案

受试者 ≥150 人　｜　每人 20~24 对　｜　总数据对 ≥3000

15 倍的人数差距，本质不是"要更多数据"，而是要跨肤色分层验证。国内要求 10 例，只能支撑"这群人身上测得准"；FDA 要求 150 例并强制肤色分层，要支撑的是"不管你是什么肤色都测得准"。

给研发的结论：肤色带来的偏差是光学与算法问题，必须在 DVT（设计验证）阶段用多波长组合、光路结构、算法校正解决。留到临床阶段再补，代价就是用受试者和有创采血去买数据——这是成本最高的一种解决方式。

◆ ◆ ◆

五、案例三：植入式神经刺激器（Ⅲ类，12-02-01）

有源植入类产品风险等级最高，指导原则对临床试验的要求也最明确。设计上采用前瞻性随机对照，对照方式可用延迟开机对照、延迟植入对照或优化药物治疗对照；非劣效比较则与同品种已上市产品比。

指导原则给出的两个算例（主要终点为脉冲发生器植入术后 3 个月的成功率，α=0.025 单侧、β=0.2、1:1 分组、脱落率 20%）：

优效：试验组 70% vs 对照组 40%

每组计算 40 对　→　加 20% 脱落　50 对（100 例）

非劣效：试验组 70%，净效应 30%、界值取 1/2 = 15%

每组计算 147 对　→　加 20% 脱落　184 对（368 例）

随访与上市后要求同样计入成本：

▍术后 2 周、3 个月、6 个月各随访一次，之后每 6 个月一次；

▍需至少覆盖 3 个月的有效性数据 + 12 个月的安全性数据；

▍首次在境内申报该系统的，上市后须开展不少于 5 年的安全性监测，并提交相应数据报告。

也就是说，这类产品的"样本量"账要分三段算：临床试验入组例数 + 长期随访负担 + 上市后 5 年监测。只看第一段，是典型的低估。

◆ ◆ ◆

六、把样本量做小的四条合法路径

样本量直接等于钱和时间。以下四条是监管认可的降量路径：

01　换设计——局部效应可评价的产品，用自身配对／半脸对照替代平行对照；无残留效应的用交叉设计。案例一的 84 例正来自配对设计。

02　换主要指标——优先选客观、可量化、可重复的指标（影像判读、自动测量、事件发生），避免把主观量表作为主要终点：主观指标既拉高例数，又拉低证据强度。

03　界值／目标值的有依据论证——非劣效界值取"净效应的 1/2"这类通行做法，并用文献与专家共识支撑；目标值优先引用指导原则给定值。

04　分层与中期分析——富集设计聚焦最可能获益的人群；期中分析可在早期止损，但必须按预案调整 α。

反过来，三条看似省钱、实则自杀的做法：

把把握度从 80% 降到 70%（检验不成立时全部投入作废）；不预留脱落率（最终有效例数不够，等于白做）；事后改主要评价指标（统计方案一经伦理批准即锁定，改了就失去统计学效力）。

◆ ◆ ◆

七、落地清单

01　先定主要评价指标，再谈例数——指标类型（率／均值／生存）决定用哪条公式，这一步错了后面全错。

02　效应量的每个数字都要有出处——指导原则 → 行业标准／专家共识 → 同类产品 Meta 分析，逐级优先。

03　设计类型先做成本测算——优效／非劣效／配对／单组各算一遍，再决定投入评审资源的方向。

04　配对设计先摸 ψ——不一致对比例是该设计样本量的第一驱动参数，必须来自预试验或文献。

05　重复测量要算进方案——血氧、血压、影像类产品的样本量单位常常是"数据对"，不是"人"。

06　肤色／人群分层在 DVT 解决——能靠硬件与算法消除的偏差，不要留到临床阶段用人数买单。

07　把随访与上市后要求写进预算——尤其是有源植入类产品，随访周期与长期监测成本常超过入组本身。

◆ ◆ ◆

结语

样本量估算最容易被误解成"统计学家的公式题"，但它其实是方案设计的经济学：α、把握度、效应量、变异度这四个输入里，真正由你决定、也真正值钱的是效应量与设计类型。

同样是激光治疗设备，配对非劣效做 84 例，单组目标值可能要做 454 例；同样是神经刺激器，非劣效要 368 例，优效只要 100 例。先想清楚要证明什么，再算需要多少例——顺序颠倒，代价就是几倍的钱。

先定指标与设计，再谈例数。

关于武汉康诺舒科技有限公司

武汉康诺舒科技有限公司专注于医疗器械注册与技术合规服务，覆盖有源治疗设备、光治疗设备、软件类医疗器械等产品线，提供临床试验方案设计与样本量估算、临床评价路径规划（同品种比对／临床试验）、非临床研究设计到注册申报与体系核查的全流程支持，并承担与统计学、临床中心的协同论证。

媒体垂询

罗老师｜电话18171320542 ｜ rd@comnosol.com.cn