主题：【原创】什么是RCT--- 送给中间派的您 -- 虽远必诛

一个变态女人每天往猎物的血管中打1000cc+的变质牛奶，还能把他养个若干天

作者肯定完全不懂医学吧

难道这是SM的一种吗？

每天１０００ＣＣ就不是虐待了，是直接谋杀。

人一共才４５００－５５００ＣＣ，赶上老金黄河换血疗法了。

１０００ＣＣ水打快了都会死人。别说牛奶，还变质的了。

绝对活不下去。

但是如果注射技术不高，打到皮下，还可能活。但是会非常同。

不过，通过看一本人的生活纪录片，打个几千ＣＣ的牛奶是问题不大的。

关键是看什么部位了。

可以去找老呆详细讲解操作过程。

样本数量　ｓａｍｐｌｅ　ｓｉｚｅ

样本数量是试验的重要一环，因为太多的数量导致浪费（金钱，生命），太少的样本没有意义，同时对参加试验的人员也是不道德的行为。

因此恰到好处最好。

如何达到恰到好处就要看您对误差的控制如何了。

ＦＤＡ确定的标准是α = 5%。如果您希望试验更有说服力设置α = １%那就需要更多的样本。也就是９９％的可能性实验的结果是从ｉｎｔｅｒｖｅｎｔｉｏｎ（药物，治疗）　来的。

通常认定的是β＝２０％。

Table 1 – typical values for significance level and

5% 　　　　　1% 　　　　0.1% 　　　　　

1.96 　　　　2.5758 　　3.2905 　　　

power　Significance level Power

80% 　　　　　85% 　　　　90% 　　　　　　95%

0.8416 　　1.0364 　　1.2816　　　　　 1.6449

有很多的样本计算工具，这里介绍一个简单的

m＝２＊（z(1- a /2)＋z(1- b )）＊（z(1- a /2)＋z(1- b )）／Δ＊Δ

比如说，您用两种药物对比，一种已知药物的有效率是４０％，您希望您新药物的有效率是５０％

Δ=P1-P2/√Ｐ１＋Ｐ２／２＊(１－Ｐ１＋Ｐ２／２)＝０.２０１

z (1- a /2) = 1.96

z(1- b ) = 0.8416

所以Ｍ＝388.5，上进一位到最近的整数　３８９，两组就是７７８人。

另外的常用方式是计算变动值同标准差ＳＤ之间的关系，比如说血压降低５ｍｍｈｇ是有临床价值，但是正态分布的标准差是１０ｍｍｈｇ。

Δ＝５／１０＝０．５，同样

z (1- a /2) = 1.96

z(1- b ) = 0.8416

这样Ｍ＝８４．１，上进一位到最近的整数８５，所以总共要１７０个患者。

这里您看到如果您改动α β的数值会显著的改变对样本的需求量。因此在看文献的时候都要详细地看到底作者把这些数值设定多少。

同时其他的Δ的数值同以前的实验有很多的关系，尤其是ｐｉｌｏｔ　ｓｔｕｄｙ。　

所以不同的实验要求不同的Δ数值，直接导致样本数量的差异。

这些同检测标准，检测方法都有一定的关系，也就是说您的检测方法得到认可，才能推到处，监测的结果有明显差异性。

自己声称的没有用的。

可以不要中医理论，本身价值就不大，没有指导意义。

但是是否有效，终究要拿出来一个说法。

无法控制安慰剂效应的试验当然就是设计有问题的实验，当然就没有价值。

现在是如何设计好试验，而不是，自卖自夸。

怎么知道为什么要用cochrane reviews，如何进行EBM。

对于一点基础知识都不知道，看第一个文献就敢点评cochrance reviews 充满了bias的ren，不从最基础的，最重点的介绍，是根本无法讲清楚的。

还有很多学过统计的人，也根本不懂为什么要做RCT，为什么临床要使用cochrane reviews 和EBM。

给愿意看的人就是了。

你上市销售申报药物功能的时候，要说明这是安慰剂，并卖安慰剂的价钱。

当然为达到安慰目的，可以伪装各种神药包装。但跟药监局申报的时候要说实话。最重要的是卖安慰剂的价钱。

有逻辑的实证。

量化不是问题，只要双盲即可保证得到客观结果。

让中医师随便挑人，随便更改药方。随便由患者自述和中医师主观评定治疗后效果。

只要这些都在中医师不知道谁是安慰剂对照情况下，即可保证这些非量化的评定也是客观的。

设计这个异常简单，跟现在普通中医院看病开药方过程没区别，只要给药

煎药的人是另外一组即可。如何保证不串通，就是药单只对号码不对人名，人名和序号药监局掌握。药监局出问题就再毙一个局长。

实践中如何治疗，就设计对应的治疗方案。

我可以设计如下：

1，找有资格的医师10名。这个要由中医界来定。

2，由他们挑选200名对症的病人。望闻问切，找温热虚实都对症的。

3.将病人分成两组，各100名，平分给医生。医生望闻问切开药单。

4.给药时候分真药和安慰剂。一半按医生药单配药，一半喝安慰剂。

5.还是照样让医生望闻问切，根据病情变化改变处方。但仍然继续

安慰剂跟真药分开。

6.疗程结束揭盲。看安慰剂和真药改善的概率。

只要开处方和给药的人不同，照样可以双盲。很简单。照样可以随时调整处方，个体化给药。

你声称什么疗效，就拿出对应的证据。

如果只做了3个月实验，就只声称3个月的近期效果。远期效果不明。

如果做了3年跟踪，就声称3年后远期效果。

只要你声称的效果跟你的实验逻辑对应即可。

比如治哮喘，你如果实验发现只能抑制4个小时，以后疗效消失，那么

你就在药物上市说明书上写明只抑制4个小时。

如果连续使用可以除根，跟踪3年不复发，那么你就写明，一个疗程后3年不复发。

声称什么，就拿出相应的举证。

我觉得要回归实验证明的本质，有逻辑的实证。让反对的人找不出理由逻辑漏洞来否定即可。

实验是为了证明你声称的效果。你声称的效果非常显著，则实验就可设计得简单。

你找出一个没头的人出来溜达，就完全立即验证一切。

各种实验设计，计划，都是为了从逻辑上严密圆满地证明某个事实，使错误概率低到统计可忽略的程度。

比如，某种慢性病，乙肝，如果药物实验，可能要找几千个人，连续使用3年5年，来反复对比验证。因为这种药物效果本身不显著，慢性病发展也慢，必须要用多人次长时间来验证。

如果某种艾滋病药物，找10名患者吃3个月后全部病毒消失。那么我们就有相当大的把握，99.9999%，声称这种药物有特效。不用找对照组，因为携带者不吃药自然转阴的概率为0，不需要对照。

我立即可被这样实说服，因为我找不出反对的理由，在逻辑上。

如果某种中药，找出1个或几个癌症患者吃了药后半年癌瘤缩小。那么我可以在逻辑上反击：癌症患者中的极小比例不吃药也可能癌瘤缩小。所以你必须明确一共有多少人吃药，其中多少人缩小。而同样的人群不吃药有多少人缩小。

跟做物理化学实验一样。非常显著的实验，只需要数字到百分之几就可验证；如果测光在以太中速度差，那么要精确到小数点后不知道多少位。

××××××××××××××××××××××××××××

××××××××××××××××××××××××××××

××××××××××××××××××××××××××××

一般地，药物的有效率是个概率值，我们必须在实验中找出变化好的

人数这个概率，跟自然界的人中变好或变坏的概率对比。吃药有效的

概率，减去自然变好的概率，差值才是药效。

某种极端的情况，自然人不吃药转好的概率为0.那么从逻辑上，我可以接受没有对照组的实验。就像是没脑袋的人存活概率为0；hiv携带自然消失的概率为0。比较效果的减法，减数永远是0

而大多数情况，自然好转或部分好转的概率都不是0，所以我们要找出

这个背景噪音，然后减掉这个背景噪音才是真正的信号值。

我觉得这些医学，物理，化学实验，都是不违背一般人的正常逻辑。

还是我看漏了吗？

是试验设计比不可少的一部分，有的时候比双盲更重要。