{
  "id": "intention-to-treat-analysis",
  "title": "意向性治疗分析",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "意向性治疗分析按最初随机分组比较受试者，不论其实际治疗与依从性如何，以保留随机化建立的比较。",
  "category": "health",
  "subcategory": "medicine",
  "type": "concept",
  "aliases": [
    "意向治疗分析",
    "意向性分析",
    "ITT分析"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/intention-to-treat-analysis/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/intention-to-treat-analysis/",
      "json": "https://aiwiki.page/en/intention-to-treat-analysis.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "意向性治疗（intention-to-treat，ITT）分析是分析随机对照试验的一种方法，按照受试者最初被分配的组别进行比较，无论其是否开始、完成、停止或更换治疗。其核心目的是保留随机化所建立的比较，而不是根据随机分组后发生的事件重新划分组别。严格应用这一原则时，应力求纳入所有随机分组的受试者；对于缺失的结局数据，需要借助额外的统计方法和假设来处理，不能仅以“意向性治疗”这一标签代替。"
    },
    {
      "heading": "原则与依据",
      "text": "从期望意义上说，随机化使治疗分配独立于受试者的治疗前特征。因此，各治疗组之间的系统性差异应仅来自所分配的干预措施，不过在任何一项具体试验中，仍可能存在偶然的不平衡。\n\n随机分组后，受试者可能因不良反应而停止治疗、未按处方剂量用药、接受其他干预，或因病情过重而无法继续治疗。这些事件可能与其预后有关。排除这些受试者，或根据其实际接受的治疗将其重新分组，都可能破坏随机化所建立的可比性。\n\n例如，能够耐受某项干预的受试者，与停止该干预的受试者相比，在基础健康状况、疾病严重程度或其他预后特征方面可能存在差异。因此，仅比较完成治疗的受试者，可能会将干预效果与留在各组中的人群差异混在一起。\n\nITT以最初的分组作为比较依据，从而应对这一问题。它与分组前的分配隐藏及随访期间的临床试验盲法相辅相成，但不能替代二者。这些程序分别针对不同的潜在偏倚来源。"
    },
    {
      "heading": "ITT估计的是什么效应？",
      "text": "在比较两种治疗策略的简单试验中，ITT估计的是被分配至一种策略而非另一种策略的效应。它并不一定估计持续接受治疗或完全按处方要求接受治疗的效应。\n\n当依从性不完全时，这一区别十分重要。分配接受一种新药后，有些受试者可能持续用药，有些可能中途停药，还有些可能从未开始用药。ITT比较反映的是在试验条件下分配使用该药物所产生的后果，其中也包括这些不同的用药模式。\n\n这一视角对于实用性临床试验尤为重要，因为此类试验旨在接近日常诊疗的条件下考察干预措施。然而，ITT结果并不能自动推广至所有医疗环境：试验之外的患者人群、随访程序、治疗可及性和依从性都可能有所不同。\n\n与估计目标的关系\n\n估计目标是对研究拟估计的治疗效应的精确定义。它规定了研究人群、治疗条件、结局、治疗开始后相关事件的处理方式，以及群体层面的汇总指标。\n\n治疗策略法评估结局时，不考虑停药或使用补救药物等特定事件是否发生。这通常与ITT分析所关注的问题高度一致。不过，仅凭“ITT”并不能完整定义一个估计目标：仍须明确结局、评估时间、比较指标以及各类事件的处理方式。\n\n死亡可以说明这一区别。死亡后的健康评分，并非某个本来存在却未被观测到的结局值。研究问题必须明确如何将死亡纳入考量，例如采用复合结局，或其他明确定义的策略。"
    },
    {
      "heading": "统计实施",
      "text": "ITT是一项指导分析的原则，而不是某一种统计检验。合适的分析方法取决于临床终点、试验设计和拟采用的效应指标。\n\n对于随访完整的二分类结局，假设有 \\(n_1\\) 名受试者被分配至治疗组，\\(n_0\\) 名被分配至对照组。如果两组分别有 \\(y_1\\) 名和 \\(y_0\\) 名受试者发生了该结局，则估计的风险差为\n\n\\[\\widehat{\\Delta}_{\\mathrm{ITT}} = \\frac{y_1}{n_1} - \\frac{y_0}{n_0}.\\]\n\n分子和分母均按最初分组确定，而非按实际接受的治疗确定。其他分析可以估计相对风险、比较结局均值，或采用事件发生时间分析方法。\n\nITT并不要求分析时不作调整。对基线预后变量进行预先设定的调整，可以在保留随机化比较的同时提高估计精度。在整群随机试验中，分析还必须考虑同一随机分配群内受试者之间的相关性。\n\n示例\n\n假设一项试验将200名受试者分配至新治疗组，另200名分配至常规治疗组。在新治疗组中，30人从未开始治疗，20人中途停止治疗。常规治疗组中的部分受试者则从其他途径获得了新治疗。\n\n如果所有受试者的结局数据均可获得，ITT仍然比较最初分配至新治疗组的200人与最初分配至常规治疗组的200人。不会因为受试者更换治疗而将其转入另一组。\n\n如果新治疗组有40人、常规治疗组有60人发生不良结局，则估计风险分别为20%和30%，风险差为−10个百分点。这描述的是试验条件下的分配效应；仅凭这一结果，无法确定完全依从治疗者中的治疗效应。"
    },
    {
      "heading": "结局缺失",
      "text": "按ITT原则分组与结局数据是否完整，是两个不同的问题。保留受试者的最初组别，并不能让从未测量过的结局变得已知。\n\n仅分析有结局观测值的受试者，通常称为可用病例分析或完整病例分析。虽然这种分析可能保留了最初的治疗分组，但它并不能自动还原所有随机分组受试者中的效应。其有效性取决于结局缺失的原因以及所采用的分析方法。\n\n常见方法包括：\n\n- **多重插补：**在明确的统计模型下，生成多套合理的缺失值，并合并由此得到的估计结果。\n- **基于似然的模型：**在对结局过程和缺失机制作出特定假设的基础上，利用已观测数据进行分析。\n- **逆概率加权：**根据模型估计的被观测概率，对有观测数据的受试者赋予权重。\n- **敏感性分析：**考察对未观测结局采用不同假设时，结论会如何变化。\n\n这些方法不能消除缺失数据带来的不确定性。例如，随机缺失假设允许缺失情况依赖于已观测信息，但在给定这些信息后，不再依赖于未观测的结局。通常，仅凭已观测数据无法验证这类假设。\n\n将所有缺失结局一律判定为不良结果，或用末次观测值填补后续缺失值，都不是ITT原则的固有要求，也不能保证得到保守的结果。在知情同意和可行性允许的情况下，受试者停止治疗后仍继续收集结局数据，可以减少对缺失数据假设的依赖。"
    },
    {
      "heading": "相关分析人群",
      "text": "方法 | 比较依据 | 解释时的主要问题\n意向性治疗分析 | 最初的随机分组 | 估计分配效应；仍需处理结局缺失\n[[per-protocol-analysis | 符合方案分析]] | 符合特定方案条件的受试者或随访数据\n按实际治疗分析 | 实际接受的治疗 | 实际接受的治疗与预后之间可能存在混杂\n改良意向性治疗分析 | 按研究特定规则限定的人群 | 含义不一；排除受试者可能损害随机化的作用\n\n“改良意向性治疗分析”没有统一的通用定义。它可能排除未接受任何治疗、没有基线后测量数据，或不符合其他标准的受试者。因此，这一标签不能替代对排除了哪些人以及排除原因的明确说明。\n\n持续依从治疗的效应可以是合理的研究目标。然而，估计这一效应通常需要额外的因果关系假设和适当的方法；仅比较依从治疗的受试者并不足够。"
    },
    {
      "heading": "优点与局限",
      "text": "ITT的主要优点是，能够防范根据随机分组后的行为或事件筛选受试者所引入的偏倚。当研究问题涉及分配或提供某种治疗策略时，它也能给出在临床和实际实施层面有意义的比较。\n\n其局限包括：\n\n- **不依从会改变结果的解释。**分配效应可能与持续治疗的效应存在很大差异。\n- **治疗交叉可能缩小组间差异。**这往往会使观察到的获益减弱，但ITT并非总是偏向无效，也不能保证结果保守。\n- **结局缺失仍会产生重要影响。**按最初分组分析并不能自动弥补随访不完整的问题。\n- **随机化不能防止所有偏倚。**组间结局测量方式的差异、未采用盲法的评估以及选择性报告，仍可能影响结果。\n- **安全性问题可能需要额外分析。**基于实际暴露的分析可以补充ITT，但其结果解释也有不同的局限。\n\n在非劣效性试验中，治疗组间差异缩小可能使干预措施显得更为相似，从而更容易得出非劣效的结论。因此，通常会同时考察ITT与符合方案分析的结果，但应认识到，对于不同研究问题，两者都不一定能自动给出无偏估计。"
    },
    {
      "heading": "报告",
      "text": "CONSORT声明强调，应透明报告受试者流程和分析人群。清晰的报告应说明各组随机分配及纳入分析的人数、是否按最初分组分析、排除原因、停止治疗及更换治疗的情况，以及结局缺失情况。\n\n仅说“采用意向性治疗分析”并不足够。解释结果时，还需要了解预先明确的治疗效应、结局定义与评估时间、统计方法、缺失数据假设及敏感性分析。"
    }
  ],
  "links": [
    "randomized-controlled-trial",
    "allocation-concealment",
    "blinding-clinical-trials",
    "pragmatic-clinical-trial",
    "clinical-endpoint",
    "relative-risk",
    "cluster-randomized-trial",
    "causation",
    "noninferiority-trial",
    "consort-statement"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}