主题：大家对【原研药】怎么看 -- 斯特拉斯堡

从大一普通物理实验学的基本的统计概念上说，没有看到差别不等于没有差别。p<0.05 有意义，但是p>0.05没什么卵用。纪委有证据张三是贪官，他就是贪官；但是纪委没发现张三是贪官，未必张三不是贪官。

假设数据服从正态分布，两个变量期望（多用均值表示）的差别，对比综合各自的方差，才显示统计的有效性。后者足够大，就不会显著。如果实验不认真，只要噪音足够大，都看不到差别。一般科学研究，负面结果很难发表就在于此。特别是这个实验期望看到组内效应和组间效应的交互显著，发现差别更困难。

当然，原则上这似乎也没什么特别好的办法。一个可能是，对于他们业内人士，会有一个对数据的大概估计，那么如果【足够仔细】去研究了，还【没有发现差别】，大概这个【没有发现差别】就是靠得住的。纪委集中力量倒查张三二十年也没发现他的贪污证据，大概大家就接受他是清官了。那怎么算做到【足够仔细】，我作为医学的外行不清楚。但是就新冠流行期间看到的一些文献，一个办法就是加大数据覆盖面，避免采样引起的偏差。高血压是常见病，上海千万级别的人口，两组各80个左右被试是不是少了点？业内人士可以说说。我有个朋友做肺动脉高压的罕见病药物，依稀记得他们药物实验大概80个被试。我在网上搜索了一下，中国成人高血压患病率已达31.6%。肺动脉高压数据没有，我国的指南提及西方国家是每100万人中～15例。从采样的量上看，不大相称。

当然，更多被试意味着更高的实验成本，未必有人愿意花代价去做。一个可行的办法，就是把住院病人的现有数据读取分析。我国实行电子病历多年，应该积累了大量的院内高血压治疗案例，起码百万级别（近些年住院每年大概2-3亿）。理论上可以读取这些数据进行分析，这样不仅可以大大缩小方差，而且可以尽量屏蔽掉其他随机因素干扰，让结果更可信。当然，数据处理肯定不会像这个文章这样简单，需要细致考察大群体是否有其他系统性差别，同一个人多次重复住院怎么权重等等细致问题。不过我相信医学统计行业的专业人士总是有办法的。