4. 阈值的选择与确定方法：基于文献、基于专家共识、基于数据驱动
阈值（cutoff point）是阈值分层试验的核心参数，直接决定受试者被划分至“高阈值组”或“低阈值组”的标准。选择不当的阈值会导致分层无效、统计效能下降甚至试验失败。本章系统阐述三种主流的阈值确定方法：文献驱动法、专家共识法和数据驱动法，并给出每种方法的适用场景与操作流程。
核心原则：阈值选择应兼顾临床意义与统计可行性。无论采用何种方法，最终阈值必须在试验方案中预先指定，并附有充分的科学依据。
4.1 基于文献的阈值确定
利用已发表的高质量临床研究、指南或荟萃分析中已有的临界值，是最直接、成本最低的方法。适用于目标生物标志物已有成熟研究基础、且人群特征与文献高度一致的场景。
4.1.1 操作步骤
- 系统检索：在 PubMed、Cochrane Library、CNKI 等数据库中检索目标标志物与临床结局关联的研究。
- 质量筛选：优先纳入前瞻性队列、随机对照试验或大样本荟萃分析，排除小样本、偏倚风险高的研究。
- 阈值提取：记录文献中报告的 cutoff 值、确定方法（如 ROC 曲线、分位数、临床指南推荐）及对应人群特征。
- 一致性评估：比较文献人群与试验目标人群在年龄、疾病严重度、合并用药、检测方法等方面的差异。
- 最终确认：若一致性高，直接采用；若存在差异，需调整或结合其他方法验证。
4.1.2 常见文献来源类型
| 来源类型 | 示例 | 优势 | 风险 |
|---|---|---|---|
| 临床实践指南 | NCCN、ESC、KDIGO 指南 | 权威性高，经多轮专家审阅 | 可能滞后于最新证据 |
| 大型 RCT 亚组分析 | EMPA-REG OUTCOME 亚组 | 证据等级高，人群明确 | 亚组分析可能统计效力不足 |
| 荟萃分析/系统评价 | Cochrane 系统评价 | 综合多源数据，稳健性较好 | 异质性可能掩盖真实 cutoff |
| 诊断准确性研究 | ROC 曲线确定最佳截断值 | 定量明确，可计算敏感度/特异度 | 仅适用于诊断场景，预后场景需谨慎 |
常见陷阱：直接照搬文献阈值时，需注意检测方法（试剂盒、实验室平台）是否一致。不同检测方法可能导致标志物绝对值差异达 2–3 倍，此时必须进行方法学桥接或重新校准。
4.2 基于专家共识的阈值确定
当文献证据不足、标志物较新或存在多个候选阈值时，通过结构化专家共识程序（如 Delphi 法、名义小组法）整合临床经验与领域知识，是建立阈值的重要补充手段。
4.2.1 Delphi 法实施流程
- 组建专家组：邀请 10–20 名涵盖临床、统计、方法学、监管领域的专家，确保地域与机构多样性。
- 第一轮问卷：提供背景资料（文献摘要、现有数据分布），请专家独立给出建议阈值及理由。
- 汇总与反馈：整理专家意见，计算中位数、四分位距，形成匿名汇总报告。
- 第二轮问卷：将汇总结果反馈给专家，允许其根据群体意见修改自己的判断。
- 一致性判断：若四分位距 ≤ 预设范围（如 ≤ 10% 标志物范围），则达成共识；否则进行第三轮。
- 最终阈值：取最后一轮的中位数或众数作为推荐阈值，并记录共识强度。
4.2.2 共识法适用场景对比
| 方法 | 特点 | 耗时 | 适用场景 |
|---|---|---|---|
| Delphi 法 | 匿名、多轮、统计反馈 | 4–8 周 | 争议较大、需量化共识 |
| 名义小组法 | 面对面讨论、投票排序 | 1–2 天 | 需快速达成、可现场讨论 |
| RAND/UCLA 适当性法 | 结合文献评分与专家判断 | 3–6 周 | 需同时考虑临床适当性与证据 |
实践建议：专家共识法应预先定义“共识”标准（如 ≥ 75% 专家同意、四分位距 ≤ 标志物范围的 15%），并在试验方案中透明报告专家名单、轮次、应答率及最终阈值。
4.3 基于数据驱动的阈值确定
利用试验自身或外部独立数据集的原始数据，通过统计建模或机器学习方法寻找最优阈值。适用于探索性研究、新标志物验证或文献证据不足的场景。常见方法包括：
4.3.1 常用数据驱动方法
| 方法 | 原理 | 输出 | 注意事项 |
|---|---|---|---|
| ROC 曲线 + Youden 指数 | 最大化敏感度 + 特异度 − 1 | 单一最优 cutoff | 仅适用于二分类结局；需独立验证集 |
| 分位数法 | 按标志物分布取特定分位（如中位数、三分位） | 分位点阈值 | 简单但可能忽略临床意义 |
| 最小 P 值法 | 遍历候选阈值，取分组比较 P 值最小者 | 统计最优 cutoff | 易过拟合，需多重比较校正 |
| 回归树 / 随机森林 | 基于决策树分裂点自动识别 | 多个候选分裂点 | 可处理交互作用，但可解释性下降 |
| 最大选择检验 | 基于对数秩统计量最大化 | 生存数据最优 cutoff | 适用于时间-事件结局 |
4.3.2 数据驱动法的关键注意事项
- 过拟合风险：在同一个数据集上寻找阈值并验证，会严重高估效果。必须使用独立验证集或交叉验证。
- 多重比较校正：遍历大量候选阈值时，需采用 Bonferroni、Hochberg 或 permutation 方法控制 I 类错误。
- 临床可解释性：统计最优阈值可能落在临床不合理的数值区间（如年龄 cutoff = 47.3 岁），需结合临床判断进行圆整。
- 样本量要求：数据驱动法通常需要较大的样本量（建议事件数 ≥ 100），否则阈值估计不稳定。
重要提醒：数据驱动法确定的阈值属于“探索性发现”，在确证性试验中不能直接作为分层依据。若要在确证性试验中使用，必须事先在独立数据集中验证，并在试验方案中明确说明验证过程。
4.4 三种方法的综合决策框架
实际应用中，三种方法并非互斥，而是形成递进或互补关系。下图展示了从文献到共识再到数据驱动的综合决策路径：
4.5 阈值确定后的验证与敏感性分析
无论采用何种方法确定阈值，在最终锁定前必须完成以下验证步骤：
- 内部验证：使用 Bootstrap 重采样（1000 次）评估阈值的稳定性，计算 95% 置信区间。
- 外部验证：在独立数据集中重复阈值分组，检验分层效果的一致性。
- 敏感性分析：在阈值 ±10% 范围内测试多个备选阈值，观察主要分析结论是否稳健。
- 临床合理性审查：由临床团队确认阈值在诊疗实践中具有可操作性和可接受性。
最佳实践：在试验方案中预先指定“阈值确定计划”，包括方法选择、验证数据集来源、敏感性分析范围。若使用数据驱动法，应同时报告“乐观阈值”与“保守阈值”下的样本量估计，以评估阈值不确定性对试验规模的影响。
4.6 阈值选择报告清单
| 项目 | 报告内容要求 |
|---|---|
| 阈值数值 | 明确数值及单位，若为连续变量注明是否圆整 |
| 确定方法 | 文献法（附参考文献）、共识法（附轮次与共识标准）、数据驱动法（附算法与验证集） |
| 方法学依据 | 说明为何选择该方法，排除其他方法的理由 |
| 验证结果 | 内部验证（Bootstrap CI）、外部验证（独立数据集）结果 |
| 敏感性分析 | 备选阈值范围及主要结论变化情况 |
| 临床合理性 | 临床团队确认阈值在实践中的可操作性 |
阈值选择不是一次性的技术决策，而是贯穿试验设计全周期的科学判断。研究者应综合文献证据、专家经验和数据特征，在透明、可重复的框架下确定阈值，为后续分层随机化和统计分析奠定可靠基础。