问题——多终点评估更全面，但“偶然显著”风险随之攀升。 药物、器械及治疗策略的临床研究中，疗效并不总能用单一指标完整呈现。研究者往往同时观察死亡、住院、症状改善、生活质量等多个终点，以期从不同维度刻画治疗获益。然而，终点越多，统计学层面“看起来有效”的概率就越高：即便治疗本身并无真实临床收益，重复进行多次检验也可能因为随机误差出现至少一个“显著结果”。这种把无效误判为有效的情况属于I类错误，其在多终点情境下会累积并放大，进而削弱研究结论的可信度。 原因——单一阈值多次使用导致总体错误率失控。 在传统单终点试验中，研究通常以预设显著性水平判断疗效，如双侧0.05或单侧0.025。该阈值的含义是：当治疗实际无效时，把它误判为有效的概率被控制在相应范围内。但当同一研究同时检验多个终点，若仍对每个终点沿用同一阈值，则每一次检验都带来一定误判风险，最终形成“至少一次误判”的更高概率。以多个相互独立的终点为例，终点数量增加会使“至少一个假阳性”的可能性明显上升。统计学上，这个总体风险被概括为族系错误率，即在一组终点检验中出现至少一个假阳性的概率。多终点研究若不加控制，容易出现结论过度乐观、证据强度被高估等问题。 影响——假阳性推高决策风险，过度保守又可能错失真实获益。 多重比较的直接影响是研究结论稳定性下降：一旦把随机波动当作疗效，可能误导临床指南、影响监管评估与资源配置，甚至在真实世界中造成不必要的治疗暴露与成本负担。另外，如何“管住假阳性”也存在另一面——如果采用过于严苛的校正方法，虽然能更牢靠地控制总体错误率，却可能显著降低统计效能，使真正有效的治疗因达不到更高门槛而被判为“不显著”，带来假阴性风险。如何在“防误判”和“不漏判”之间取得平衡，成为多终点试验设计与分析的关键。 对策——以校正方法统筹多终点检验，Hochberg法提供更优折中。 为解决多终点带来的总体误判问题，临床研究通常引入多重性校正，通过调整显著性判定标准，使族系错误率维持在预设范围内。最常见的做法是Bonferroni校正，即将总体显著性水平除以终点数量，为每个检验设置更小的阈值。该方法简单、可解释性强，因而被广泛使用，但其不足也较突出：当终点较多或终点间存在对应的性时，过度保守可能显著降低检出真实疗效的概率。 鉴于此，一些更注重统计效能的校正方案被引入实践。Hochberg法属于其中具有代表性的程序之一，其核心思路是在控制族系错误率的前提下，通过“逐步判定”的方式给予部分检验更合理的空间，从而在一定条件下比Bonferroni更有把握发现真实获益。以权威期刊报道的心衰补铁相关随机对照试验为例，研究设置多个主要终点以覆盖死亡与住院等关键临床事件，并采用Hochberg法对多终点进行校正，以降低“多看几次就总能看见一次显著”的偏差风险，同时尽量维持对真实治疗效应的敏感度。 从操作层面看，Hochberg法先对每个终点分别计算P值，再将P值按从大到小排序，并按既定规则逐一比较：如果较大的P值已满足相对宽松的阈值条件，则其对应终点及更小P值的终点可一并判定为显著；若不满足，则转而对次大的P值采用更严格的阈值继续判断，直至完成全组检验。其逻辑在于：当证据整体偏强时，允许更快确认多项结果；当证据不够一致时，则自动收紧标准，从而实现对总体误判风险的约束。需要指出的是，不同校正方法的适用前提与终点相关结构有关，研究者应在方案设计阶段预先明确主要终点层级、检验顺序和校正策略，并在统计分析计划中充分说明，以保障透明度与可重复性。 前景——规范多终点策略将成为提升临床证据质量的重要抓手。 随着新药研发、慢病综合管理和真实世界数据研究的发展，临床评价指标呈现多维化趋势，多终点设计愈发常见。未来，提高临床证据质量不仅取决于样本量与随访质量，同样取决于统计设计的严谨性。加强多重比较治理，意味着从源头减少“偶然显著”造成的偏差，提升研究结果的稳健性与可解释性。预计在监管审评、期刊发表和指南制定等环节，对多终点校正方案的规范化要求将深入提高：一上强调控制总体错误率，另一方面强调避免不必要的保守导致创新疗法被低估。Hochberg法等方法的规范应用，有望在两者之间提供更合理的平衡路径。
统计学方法虽然看似复杂，但直接关系到临床研究的科学性和患者的生命安全；Hochberg法等多重性校正方法的推广应用，反映了医学研究界规范研究流程、提高结论可信度上的不断进步。随着精准医学时代的到来，临床试验的设计将更加复杂，涉及的终点数量也可能增加。如何在保证严谨性的同时提高研究效率，如何在众多统计学工具中做出科学选择，将是医学研究者必须持续面对的课题。只有优化方法论、加强学科间的交流与合作，才能确保每一项临床研究成果都经得起科学检验，真正造福患者和人类健康。