贝叶斯适应性试验的盲态维持与揭盲策略

贝叶斯适应性试验的盲态维持与揭盲策略演讲人目录引言：贝叶斯适应性试验与盲态管理的内在逻辑关联01揭盲策略的设计原则与风险控制04盲态维持的关键技术与实施挑战03结论：贝叶斯适应性试验中盲态维持与揭盲策略的核心思想06贝叶斯适应性试验的核心特征与盲态管理的理论基础02实践案例：某贝叶斯适应性抗肿瘤药物的盲态维持与揭盲策略05贝叶斯适应性试验的盲态维持与揭盲策略01引言：贝叶斯适应性试验与盲态管理的内在逻辑关联引言：贝叶斯适应性试验与盲态管理的内在逻辑关联在临床试验领域，如何在保障试验科学性的前提下提高效率，始终是研究者探索的核心命题。贝叶斯适应性试验（BayesianAdaptiveClinicalTrial,BACT）凭借其“边试验、边学习”的特性，通过整合累积数据动态调整试验设计（如样本量、随机化比例、终点指标等），显著提升了研发效率与资源利用率。然而，这种动态调整特性对传统临床试验的“盲态”原则提出了更高要求——若在适应性过程中因信息泄露打破盲态，不仅可能引入选择偏倚与测量偏倚，更可能导致后验概率估计失真，最终影响试验结果的可靠性与regulatory接受度。作为一名长期从事临床试验设计与统计分析的研究者，我曾参与某项抗肿瘤药物的贝叶斯适应性试验。在试验中期，基于累积数据提示试验组疗效显著优于对照组，数据监测委员会（DMC）建议将随机化比例从1:1调整为2:1（试验组:对照组）。引言：贝叶斯适应性试验与盲态管理的内在逻辑关联这一调整若处理不当，极易因组间样本量差异暴露组别信息，破坏盲态。最终，我们通过中心化随机化系统与模拟剂法的结合，成功维持了盲态，确保了后续数据的客观性。这一经历让我深刻认识到：在贝叶斯适应性试验中，盲态维持并非简单的“操作规范”，而是贯穿试验全周期、连接统计学严谨性与临床实践性的核心支柱；而揭盲策略则需在“信息需求”与“盲态保护”间寻求动态平衡，是试验科学性与伦理性的双重保障。本文将从贝叶斯适应性试验的核心特征出发，系统阐述盲态维持的理论基础、关键技术、实施挑战，并分层剖析揭盲策略的设计原则、风险控制及实践路径，以期为行业者提供兼具理论深度与操作指导的参考框架。02贝叶斯适应性试验的核心特征与盲态管理的理论基础贝叶斯适应性试验的核心特征与传统试验的对比传统临床试验（如固定设计的随机对照试验,RCT）通常在试验启动前预设所有设计参数（样本量、终点指标、随机化比例等），试验过程中不根据中期数据调整，其统计推断基于“频率学派”的假设检验（如P值、置信区间）。这种设计虽具有“预设方案”的稳定性，但面临两大局限：一是样本量估算依赖前期假设（如效应量、dropout率），若假设与实际偏差，可能导致试验效能不足或资源浪费；二是无法及时响应试验中出现的有效/无效信号，延长了研发周期。贝叶斯适应性试验则基于“贝叶斯学派”的统计思想，将未知参数（如治疗效应）视为随机变量，通过先验分布（PriorDistribution）与累积数据更新得到后验分布（PosteriorDistribution），并根据后验概率动态调整试验设计。其核心特征包括：贝叶斯适应性试验的核心特征与传统试验的对比1.动态适应性：允许在预设的“适应性窗口”（AdaptiveWindows）内，基于累积数据调整设计参数（如样本量重估、随机化比例修改、终点指标增补等）；012.概率性决策：通过计算后验概率（如P(θ>θ0|数据)）而非假设检验的P值，直接量化“治疗有效”或“优于对照组”的证据强度；023.序贯性学习：试验过程可视为“数据积累-知识更新-设计调整”的循环，每轮适应性调整均基于当前最优证据。03盲态管理在贝叶斯适应性试验中的核心地位盲态管理（BlindingManagement）指通过技术手段避免受试者、研究者、数据管理人员等试验参与方知晓组别分配，其核心目的是消除“期望偏倚”（ExpectationBias）与“处理偏倚”（AllocationBias）。在贝叶斯适应性试验中，盲态管理的必要性进一步凸显，原因在于：1.适应性调整的“信息敏感性”：贝叶斯试验的动态调整（如样本量增加、随机化比例变化）往往基于组间疗效/安全性的差异信息。若盲态被打破，研究者或受试者可能因知晓组别信息而改变行为（如对试验组受试者更频繁的随访、对对照组受试者的“安慰剂效应”干预），直接引入选择偏倚与测量偏倚，导致后验概率估计失真。例如，若研究者知晓试验组疗效更优，可能在疗效评估时倾向于“主观提升”试验组评分，或对对照组受试者实施更积极的合并治疗，最终夸大治疗效应。盲态管理在贝叶斯适应性试验中的核心地位2.regulatory接受度的“硬性要求”：尽管贝叶斯适应性试验具有灵活性，但regulatory机构（如FDA、EMA）仍强调其“科学严谨性”。FDA《贝叶斯临床试验设计指南》明确指出：“适应性设计需确保盲态未被破坏，否则可能影响结果的可信度。”盲态维持是证明试验“减少偏倚”的关键环节，也是试验数据被regulatory接受的前提之一。3.伦理与科学性的“双重平衡”：贝叶斯适应性试验的“高效性”本质上是通过“及时终止无效试验”或“优化资源分配”实现的伦理改进。但若盲态破坏导致虚假的“有效”信号，可能使无效/有害药物继续试验，反而违背伦理原则。因此，盲态管理是保障贝叶斯试验“既高效又可靠”的底层逻辑。03盲态维持的关键技术与实施挑战盲态维持的关键技术与实施挑战盲态维持并非单一技术，而是涵盖“随机化隐藏、干预措施盲法、数据管理盲态、人员行为规范”的系统工程。在贝叶斯适应性试验中，由于动态调整的复杂性，传统盲法技术需与适应性设计深度融合，才能有效应对“信息泄露”风险。随机化隐藏：适应性试验的“第一道防线”随机化隐藏（AllocationConcealment）是避免选择性偏倚的核心，即在受试者入组前，确保研究者无法预知其组别分配。在贝叶斯适应性试验中，由于随机化比例可能动态调整（如从1:1改为2:1），随机化隐藏需满足“动态适应性”与“不可预测性”双重要求。1.中心化随机化系统（CentralizedRandomizationSystem,CRS）中心化随机化是目前贝叶斯适应性试验的主流方案，其核心是通过独立第三方（如统计数据中心）实现随机化分配，研究者仅通过电话、网页或交互式语音应答系统（IVRS）获得组别信息。与传统随机化相比，CRS需额外适配“动态调整”需求：随机化隐藏：适应性试验的“第一道防线”-动态随机化算法：基于当前后验概率与预设的“适应性规则”（如当P(试验组优于对照组)>0.9时，将随机化比例从1:1调整为2:1），CRS需实时更新随机化概率序列，确保研究者无法通过“历史随机化模式”反推当前调整策略。例如，在抗肿瘤药物试验中，若中期数据显示试验组OR值提升，CRS自动将新入组受试者的随机化比例调整为2:1，但研究者仅被告知“分配至试验组”或“分配至对照组”，无法知晓比例调整的依据。-交互式语音应答系统（IVRS）与电子数据采集（EDC）集成：IVRS需与EDC系统实时对接，当研究者通过IVRS完成受试者入组后，组别信息自动录入EDC，且仅对“设盲”状态的数据管理人员可见。例如，某试验中IVRS系统在随机化比例调整后，自动屏蔽“历史随机化比例”查询功能，仅显示当前受试者的组别，避免研究者通过“近期入组组别分布”推断试验趋势。随机化隐藏：适应性试验的“第一道防线”动态随机化与最小化法（Minimization）对于多中心试验或存在重要预后因素（如疾病分期、年龄层）的试验，动态随机化中的“最小化法”可有效平衡组间协变量，同时维持盲态。最小化法通过计算“当前组间协变量不平衡程度”，动态调整受试者的组别分配概率（如对某预后因素失衡的组别提高分配概率）。在贝叶斯适应性试验中，最小化法需与“后验概率调整”协同：例如，当后验概率提示试验组更优时，最小化法在平衡协变量的同时，仍保持组别分配的随机性（如对符合某协变量特征的受试者，70%概率分配至试验组，30%至对照组），避免“完全确定性分配”导致的盲态破坏。干预措施盲法：从“外观模拟”到“行为控制”干预措施盲法（InterventionBlinding）是确保受试者与研究者不知晓组别的关键，尤其在双盲试验中，需保证试验组与对照组的干预措施在“外观、味道、给药途径”等方面一致。在贝叶斯适应性试验中，若涉及干预措施调整（如剂量爬坡、给药方案优化），盲法设计需更精细。干预措施盲法：从“外观模拟”到“行为控制”双模拟技术（Double-Dummy）当试验组与对照组的干预措施无法完全一致时（如试验药为口服片剂，对照药为注射剂），需采用“双模拟技术”：即制备与试验药外观相同的安慰剂（对照药安慰剂）和与对照药外观相同的安慰剂（试验药安慰剂），受试者需同时服用两种安慰剂中的一种（试验组：试验药+对照药安慰剂；对照组：试验药安慰剂+对照药）。在贝叶斯适应性试验中，若中期需调整试验组剂量（如从50mg增至100mg），需同步制备不同剂量的试验药与安慰剂，且确保不同剂量间的外观、包装标签无差异（如所有剂量的试验药均标记“研究药物A”，安慰剂标记“研究药物B”），避免通过剂量差异暴露组别信息。干预措施盲法：从“外观模拟”到“行为控制”模拟剂与活性剂的“一致性验证”在启动试验前，需对试验药与安慰剂、对照药与安慰剂进行“一致性验证”，确保在“外观、重量、溶解速度、味道”等方面无显著差异。例如，某抗抑郁药试验中，试验药为胶囊剂，对照药为片剂，通过制备与试验药胶囊外观相同的安慰剂胶囊（含淀粉）和与对照药片剂外观相同的安慰剂片剂（含乳糖），并由独立第三方（如药理学实验室）进行“双盲感官评价”（邀请研究者与受试者对“外观、味道、口感”进行评分，确保组间无差异）。这种验证在贝叶斯适应性试验中尤为重要，因为中期调整（如新增剂量）可能需重新制备安慰剂，需再次验证一致性。干预措施盲法：从“外观模拟”到“行为控制”给药流程的“盲态化设计”对于需研究者操作的干预措施（如注射剂、手术操作），需通过“标准化操作流程（SOP）”确保盲态维持。例如，在试验组与对照组分别使用不同包装的注射器（试验组用红色标签注射器，对照组用蓝色标签注射器，但颜色编码仅药房人员知晓，研究者与受试者均不可见），或在给药前由药师将注射器装入“无标识opaque袋”中，研究者仅完成“注射”操作，无法知晓注射器颜色与药物类型。数据管理与盲态维护：从“数据库锁定”到“过程监控”数据管理是盲态维护的“最后一道防线”，需确保在数据录入、清理、锁定过程中，组别信息仅对“设盲”状态的分析人员可见。在贝叶斯适应性试验中，由于数据需多次用于适应性调整，数据管理的盲态控制需更严格。1.设盲数据库（BlindedDatabase）与揭盲数据库（UnblindedDatabase）分离在试验启动前，需建立“设盲数据库”与“揭盲数据库”，两者通过“受试者ID”关联，但组别信息仅存储于揭盲数据库，设盲数据库中的组别字段以“代码”（如A组=1，B组=2）或空值替代。数据录入时，研究者仅能在设盲数据库中录入数据，无法访问揭盲数据库。例如，某试验中，设盲数据库中的“组别”字段显示为“T”或“C”（Treatment/Control），而揭盲数据库中显示为“试验组”或“对照组”，统计分析人员仅能访问设盲数据库，直到最终揭盲。数据管理与盲态维护：从“数据库锁定”到“过程监控”数据核查中的“盲态核查”在数据清理阶段，需进行“盲态核查”，即核查人员不知晓组别信息，仅关注数据的“逻辑一致性”（如实验室检查值是否超出正常范围、访视时间是否符合方案要求）。若发现异常数据（如某受试者实验室检查值显著偏离基线），需通过“中心化查询”向研究者核实，避免因知晓组别信息而“选择性忽略”或“过度关注”某组别数据。例如，某试验中，核查人员发现某受试者的血常规指标异常，通过EDC系统向研究者发送“数据质疑”，但未告知组别，研究者仅回复“该受试者因感冒导致暂时性异常，已恢复正常”，这一过程避免了研究者因知晓组别而“主观解释”数据。数据管理与盲态维护：从“数据库锁定”到“过程监控”适应性调整中的“盲态数据提取”贝叶斯适应性试验的“适应性窗口”需定期提取数据用于DMC决策，此时数据提取需遵循“最小必要信息”原则：仅提取“汇总数据”（如组间疗效差异、安全事件发生率）而非“个体组别数据”，避免DMC通过个体数据反推组间趋势。例如，DMC要求“评估试验组与对照组的OR值差异”，统计人员仅提供“试验组有效人数/总人数=30/60，对照组有效人数/总人数=20/60”，不提供具体受试者ID与组别信息，确保DMC无法通过“个体数据分布”推断调整策略。实施挑战与应对策略尽管上述技术可支持盲态维持，但贝叶斯适应性试验的复杂性仍带来诸多挑战：实施挑战与应对策略适应性调整中的“信息泄露风险”挑战：当样本量重估或随机化比例调整时，若调整幅度过大（如从1:1改为3:1），研究者可能通过“近期入组组别分布”推断试验趋势，破坏盲态。应对：采用“动态随机化比例隐藏”技术，即CRS系统仅向研究者显示“当前受试者组别”，不显示“历史随机化比例”或“调整后的随机化概率”。例如，某试验中，随机化比例从1:1改为2:1后，CRS系统屏蔽“近期100名受试者中试验组70名、对照组30名”的查询功能，仅显示“您入组的受试者为试验组”。实施挑战与应对策略多中心试验中的“中心效应”挑战：不同中心在盲法执行上存在差异（如部分中心研究者通过“受试者反应”猜测组别），导致中心间盲态不均。应对：实施“中心化盲法培训”与“盲法依从性监测”。在试验启动前，对所有中心研究者进行“盲法重要性”培训，并通过“模拟测试”（如提供“假数据”让研究者猜测组别）评估其盲法执行能力；在试验中，定期进行“盲法依从性调查”（如询问研究者“您认为该受试者在哪一组？”），若某中心猜测正确率>60%（高于随机概率），则对该中心进行“强化培训”或“增加随机化隐藏措施”。实施挑战与应对策略伦理紧急情况下的“盲态平衡”挑战：当受试者出现严重不良事件（SAE）时，需紧急揭盲以确定处理措施，但全面揭盲可能破坏试验盲态。应对：采用“分层揭盲”策略，即仅向“必要人员”（如主治医生、DMC成员）披露与该SAE相关的组别信息，而非全面揭盲。例如，某受试者出现“严重肝损伤”，DMC仅向该受试者的主治医生提供“该受试者为试验组”，并建议“立即停用试验药，给予保肝治疗”，同时要求主治医生对其他受试者仍维持盲态，且不得向其他研究者透露该信息。04揭盲策略的设计原则与风险控制揭盲策略的设计原则与风险控制揭盲（Unblinding）是试验周期的“最后环节”，即在特定时间点（如试验结束、达到预设终点）揭示受试者组别分配。在贝叶斯适应性试验中，揭盲需兼顾“信息需求”（如疗效确认、安全性分析）与“盲态保护”（如避免已揭盲信息影响未完成数据评估），其设计需遵循“计划性、必要性、最小化”三大原则。揭盲的“计划性”：预设揭盲时间点与层级计划性是揭盲策略的核心，需在试验方案中预设“揭盲时间点”与“揭盲层级”，避免“随意揭盲”对试验结果的干扰。揭盲的“计划性”：预设揭盲时间点与层级揭盲时间点的预设0504020301贝叶斯适应性试验的揭盲时间点需结合“适应性终点”与“监管要求”设定，常见时间点包括：-主要终点分析时：当试验达到预设的主要终点（如总有效率、无进展生存期）时，需进行全面揭盲以确认疗效；-适应性调整节点：在样本量重估、终点修改等适应性调整前，可能需“阶段性揭盲”（如仅对DMC揭盲以获取后验概率，但不向研究者揭盲）；-试验提前终止时：若DMC基于中期数据判定试验“显著有效”或“无效”，需提前揭盲以终止试验或调整方案；-试验结束后：对所有受试者进行“最终揭盲”，用于安全性分析与亚组探索。揭盲的“计划性”：预设揭盲时间点与层级揭盲层级的划分揭盲层级需根据“信息需求范围”设置，确保“最小必要信息”原则：01-二级揭盲（统计分析人员揭盲）：统计分析人员可访问设盲数据库与揭盲数据库的映射关系，用于数据清理与统计分析；03-四级揭盲（受试者揭盲）：仅在试验结束后或受试者要求退出试验时，向受试者披露组别信息。05-一级揭盲（DMC揭盲）：仅DMC成员可访问完全揭盲数据，用于决策（如是否终止试验、是否调整设计）；02-三级揭盲（研究者揭盲）：仅在试验结束后或受试者退出试验时，向研究者提供该受试者的组别信息；04揭盲的“必要性”：基于“医学需求”与“统计需求”的平衡揭盲并非试验的“必经环节”，仅在“医学必要性”或“统计必要性”时启动，避免不必要的盲态破坏。揭盲的“必要性”：基于“医学需求”与“统计需求”的平衡医学必要性：紧急安全事件当受试者出现“需要组别信息才能处理的紧急情况”时，需启动紧急揭盲。例如：01-严重不良事件（SAE）的处理：若SAE的特异性处理措施依赖于组别（如试验组药物过量需使用特异性解毒剂），需立即向主治医生揭盲；02-受试者退出试验：若受试者因“疗效不满意”或“不良反应”要求退出试验，需告知其组别信息以便后续随访（如试验组受试者停药后需进行“洗脱期”监测）。03紧急揭盲需遵循“最小范围”原则，即仅向“直接参与处理该受试者的医务人员”披露组别信息，并做好记录（如揭盲时间、原因、人员、处理措施）。04揭盲的“必要性”：基于“医学需求”与“统计需求”的平衡统计必要性：适应性决策与最终分析在贝叶斯适应性试验中，统计必要性是揭盲的主要驱动力：-适应性调整决策：DMC需基于完全揭盲的后验概率（如P(试验组优于对照组)>0.95）决定是否增加样本量或终止试验；-最终疗效与安全性分析：试验结束后，需通过全面揭盲数据计算“贝叶斯后验区间”（如95%credibleinterval）与“概率性结论”（如“有99%概率试验组优于对照组”）。揭盲的“最小化”：范围控制与流程规范最小化原则要求揭盲的范围、内容、人员均需控制在“最小必要”水平，避免信息泄露对未完成数据的影响。揭盲的“最小化”：范围控制与流程规范揭盲范围控制-个体层面：仅对“需要知晓组别的个体”揭盲，如紧急SAE中的单个受试者，而非该受试者所在中心的所有受试者；-数据层面：仅提供“与当前决策相关的数据”，如DMC决策时仅提供“组间疗效差异”与“安全事件汇总”，而非所有个体数据；-时间层面：仅在“需要知晓的时间点”揭盲，如试验结束前不向研究者揭盲，避免研究者因知晓组别而改变后续随访行为。揭盲的“最小化”：范围控制与流程规范揭盲流程规范揭盲需通过“标准化流程”实现，确保可追溯性与可验证性：-揭盲申请与审批：由申请人（如研究者、DMC成员）提交“揭盲申请表”，说明揭盲原因、范围、时间，经“揭盲委员会”（由统计学家、临床专家、伦理学家组成）审批后方可执行；-揭盲执行与记录：由“独立揭盲人员”（如统计数据中心人员）执行揭盲，生成“揭盲记录”（包括受试者ID、组别、揭盲时间、执行人、审批人），并录入揭盲数据库；-揭盲信息保密：揭盲后，需对“非必要人员”保密，如紧急揭盲后，主治医生仅知晓该受试者组别，不得向其他研究者或受试者透露。揭盲后的风险控制：盲态有效性与数据追溯揭盲后需评估“盲态有效性”并做好“数据追溯”，确保结果可靠性。揭盲后的风险控制：盲态有效性与数据追溯盲态有效性评估在全面揭盲后，需通过“盲态测试”评估盲态是否被有效维持。例如：-研究者盲态评估：询问研究者“您认为该受试者在哪一组？”，计算猜测正确率，若正确率接近50%（随机概率），则表明盲态维持良好；若正确率>60%，则需分析盲态破坏的原因（如干预措施外观差异、数据泄露）；-受试者盲态评估：询问受试者“您认为自己服用的是试验药还是对照药？”，评估受试者是否因知晓组别而改变行为（如试验组受试者更严格遵医嘱）。揭盲后的风险控制：盲态有效性与数据追溯数据追溯与偏倚校正若揭盲后发现盲态被破坏（如某中心研究者猜测正确率>70%），需对数据进行“偏倚校正”：-敏感性分析：通过“模拟盲态破坏”评估偏倚对结果的影响（如假设被破坏盲态的20%受试者数据存在10%的效应量高估，重新计算后验概率，观察结论是否稳健）；-亚组分析：按“盲态是否破坏”分组（如盲态维持中心vs.盲态破坏中心），比较组间结果差异，若结论一致，则表明偏倚未对整体结果产生显著影响；-结论限定：在试验报告中注明“盲态破坏情况”及其对结果的可能影响，regulatory审评时需提供“偏倚校正”的详细过程与数据。05实践案例：某贝叶斯适应性抗肿瘤药物的盲态维持与揭盲策略实践案例：某贝叶斯适应性抗肿瘤药物的盲态维持与揭盲策略为更直观地理解贝叶斯适应性试验的盲态维持与揭盲策略，本节以笔者参与的“某PD-1抑制剂联合化疗vs.单纯化疗治疗晚期非小细胞肺癌的贝叶斯适应性试验”为例，系统阐述实践路径。试验背景与设计特点该试验为多中心、随机、双盲、安慰剂对照的II期试验，主要终点为“无进展生存期（PFS）”，预设适应性规则为：“当中期分析显示试验组PFSHR<0.6且P(试验组优于对照组)>0.9时，将样本量从120例（60例/组）增加至200例（100例/组）”。试验采用贝叶斯统计模型，先验分布为“基于I期试验的PFSHR正态分布（均值=0.7，标准差=0.1）”。盲态维持策略随机化与隐藏采用中心化IVRS系统进行随机化，随机化比例为1:1（试验组:对照组）。当中期分析（入组60例）显示PFSHR=0.55，P(试验组优于对照组)=0.92，触发适应性规则，将随机化比例调整为2:1。IVRS系统自动更新随机化序列，研究者仅能通过系统获得“试验组”或“对照组”的分配结果，无法查看历史随机化比例或调整后的概率。盲态维持策略干预措施盲法试验组为“PD-1抑制剂（200mg静脉滴注）+化疗（培美曲塞500mg/m²静脉滴注）”，对照组为“安慰剂（0.9%氯化钠注射液）+化疗（同试验组）”。采用双模拟技术：制备与PD-1抑制剂外观相同的安慰剂（0.9%氯化钠注射液，标记为“研究药物A”）和与化疗外观相同的安慰剂（0.9%氯化钠注射液，标记为“研究药物B”）。受试者每次需同时输注“研究药物A”和“研究药物B”（试验组：PD-1抑制剂+化疗安慰剂；对照组：PD-1抑制剂安慰剂+化疗），给药前由药师将两种药物装入“无标识opaque袋”中，研究者仅完成“输注”操作，无法知晓药物类型。盲态维持策略数据管理与盲态维护建立设盲数据库（组别字段为“T”或“C”）与揭盲数据库（组别字段为“试验组”或“对照组”），两者通过受试者ID关联。中期分析时，统计人员仅向DMC提供“试验组中位PFS=8.2个月，对照组中位PFS=5.6个月，HR=0.55，95%credibleinterval=(0.38,0.79)”的汇总数据，不提供个体受试者ID与组别信息。数据核查过程中，核查人员仅对设盲数据库进行逻辑核查，发现某受试者PFS数据缺失时，通过EDC系统向研究者发送“数据质疑”，未告知组别。揭盲策略揭盲时间点与层级-中期分析揭盲：当入组120例（60例试验组，60例对照组）时，DMC启动中期分析，统计人员向DMC提供完全揭盲数据，DMC基于P(试验组优于对照组)=0.98>0.95，决定将样本量增加至200例，但未向研究者揭盲；-最终揭盲：当入组200例（试验组133例，对照组67例）且所有受试者完成12个月随访后，进行全面揭盲，统计分析人员访问揭盲数据库进行最终疗效与安全性分析。揭盲策略紧急揭盲案例试验过程中，某受试者（试验组）出现“免疫相关性肺炎”，需立即使用“糖皮质激素”治疗。研究者通过IVRS系统提交“紧急揭盲申请”，说明受试者症状与处理需求，揭盲委员会审批后，IVRS系统向研究者提供“该受试者为试验组”的信息，并提示“立即停用PD-1抑制剂，给予甲泼尼龙80mg/日静脉滴注”。研究者完成处理后，将处理过程录入EDC系统，揭盲记录自动生成并保存。揭盲策略盲态有效性评估全面揭盲后，对20名研究者进行盲态评估：“您认为您中心最后入组的5名受试者中，多少名为试验组？”结果显示，研究者猜测正确率为52%（接近随机概率），表明盲