研究说了什么
复合终点把若干个结局事件合并计数，受试者只要发生其中任意一个就算到达终点，首次发生的时间用于生存分析。它的直接好处是提高事件率，让样本量与随访时间都降下来。心血管试验里常见的是心血管死亡、非致死性心梗、非致死性卒中三件套；心衰试验会加上住院；抗衰试验则倾向把失能、住院、死亡、认知下降拼在一起。问题在于各成分的分量并不相等。死亡与一次因乏力就诊，在统计表上都记为 1，在病人身上却是天壤之别。当轻事件数量远多于重事件时，复合终点的方向可能由轻事件主导：某项干预把住院减少了，却让死亡率略升，合并之后仍显示为阳性。更技术性的麻烦是成分间的竞争风险，一个人死于心梗，就不可能再发生后续的卒中或住院，重事件会挤掉轻事件，使后者的计数被系统性压低。分析方法上，单纯的首次事件分析忽略了同一受试者的多次事件，负二项模型或 Andersen-Gill 模型可以处理复发事件，但解释起来更复杂。有的试验会把全因死亡单独列为关键次要终点，以便在复合结果阳性时检查安全性是否被稀释。
为什么重要
抗衰干预的效果通常温和，单项硬终点的绝对风险下降常常只有百分之一到二，单靠全因死亡做主要终点，样本量会大到无法实施。复合终点因此成了让试验可行的必要妥协，但妥协必须说清楚。读者需要看四件事：成分清单是否事先规定、各成分的临床重要性是否被声明、是否报告了每个成分的单独结果、阴性成分会不会被阳性成分盖住。监管指南通常要求，复合终点的各成分应具有相近的重要性，且干预对各成分的效应方向大体一致；若方向相反，合并解释就失去意义。还有一种做法是加权复合终点，按临床严重程度给死亡更高权重，或采用胜率法逐对比较受试者的整体结局，把死亡、住院、功能变化排成优先级。这类方法在统计上更贴近临床直觉，代价是权重选择带有主观性，不同权重可能给出不同结论，因此必须在方案中预先固定并做敏感性分析。需要提醒的是，加权本身会引入新的任意性。给死亡多少权重，往往取决于专家讨论而非数据，同一批结果换一套权重就可能从阳性变阴性。因此监管更倾向于要求成分分别报告，而不是接受一个加权后的总分。读者看到胜率法结果时，应同时检查它对权重假设是否稳健。PARADIGM-HF 是把复合终点用好的例子：心血管死亡与心衰住院合并，效应显著、各成分方向一致，试验因此提前终止，结论也经受住了后续检验。
证据与边界
复合终点的争论很少有干净答案，因为它把统计效率与临床意义放在了对立面。可以确定的是，报告质量比方法选择更能决定一项试验是否可信。若论文只给出复合终点的风险比与置信区间，不列成分曲线，读者无法判断获益来自哪里；若成分结果只在补充材料里出现，且与主结论相左，就应提高警惕。另一层边界与随访时长有关：随访越短，轻事件占比越高，复合终点越容易被轻事件带着走；随访延长后，死亡与失能的权重上升，结论可能翻转。对以健康老年人为对象的试验，还需注意住院这一成分的定义差异，计划住院、择期手术、观察留观是否计入，各中心标准不一，容易引入测量偏倚。可行的做法是预先定义成分、按严重程度分层报告、附上加权与未加权的两套结果，并把竞争风险写进统计方案，而不是留给读者去猜。还有一种边界与人群有关：在年轻人群中，复合终点里的事件以轻症为主；到了高龄人群，死亡占比上升，同一个终点在不同年龄层的含义并不相同。跨年龄外推时，这一点常被忽略。若论文只报告总体结果，读者应主动去找分层数据。最后，复合终点的样本量估算依赖对各成分事件率的假设，任一成分估偏，把握度都会跟着偏。