研究说了什么
数据监查委员会在期中分析时看到干预组明显更好，会基于预设的停止边界建议提前终止，这在伦理上是必要的，不让对照组成员继续暴露于无效治疗。统计上的代价是，此刻观测到的差异很可能包含随机波动的有利一侧。试验在效应量达到最大的时点停下，估计值自然偏高，这种现象被称为停得早则估得高。二〇一〇年《美国医学会杂志》的一项研究汇总了九十一项因获益而提前终止的随机试验，把它们与同一问题的后续大型试验或元分析比较，前者报告的治疗效应平均被高估，比值比偏大约三成，样本量越小、终止越早，偏倚越明显。另一项针对心血管试验的分析也得到类似结论：提前终止的试验在后续验证中效应量普遍缩水。经典案例是若干抗心衰与抗心律失常药物的早期终止，被寄予厚望之后，更大规模的试验未能复制获益，甚至出现 harm。相比之下，因无效或安全性问题而提前终止的试验，其效应估计偏倚方向相反，问题也没有那么突出。这类研究的设计本身也有争议：它把试验按是否提前终止分组，却无法完全匹配两组的干预强度与人群风险，效应量差异不能全部算作终止行为的账。
为什么重要
抗衰领域对阳性信号的需求旺盛，一项提前终止的小型试验很容易登上头条，随后被补充剂厂商与临床指南同时引用。读者需要区分两种终止：一种是由独立数据监查委员会按预设边界触发的，另一种是申办方在看到有利数据后自行决定停止。前者有统计框架约束，后者几乎没有。即便程序合规，提前终止的试验也应被当作信号而非结论，其效应量应打折看待，并在后续试验中验证。RECOVERY 的做法提供了一个对照：这个平台试验不是因某个干预显著而整体停止，而是在预设的期中分析节点公布地塞米松的结果，其余干预继续随机入组。地塞米松组二十八天死亡率百分之二十二点九，对照组百分之二十五点七，年龄校正后的相对风险约零点八三，样本六千四百余人。由于样本足够大、事件数足够多，这个效应量相对稳定，随后被多项研究重复。样本量与事件数是抵御随机波动的根本，而不是终止时点的运气。另一个判断维度是终止后如何处理数据：合规做法是把终止前的全部随访纳入分析，并按预设方法校正估计，而不是只报告终止那一刻的数字。若论文连终止原因都写得含糊，可信度更低。
证据与边界
上述元研究属于回顾性比较，存在一个绕不开的局限：提前终止的试验与未终止的试验，本身可能在干预强度、人群风险、疗效真实性上就不同，效应量差异不能全部归因于终止行为。此外，并非所有提前终止都导致高估，若停止边界设得极严，例如采用 O'Brien-Fleming 型边界，名义显著性水平要求极高，名义上的偏倚会被部分抵消。真正的风险在于多臂平台试验中的反复期中查看：臂越多、查看越频繁，某一条臂偶然跨过边界的概率越高，若不做多重性控制，被选中的那条臂很可能只是运气好。可行的缓解手段是预先设定停止规则、限制查看次数、使用保守边界、并在报告中同时给出终止时的估计与校正后的估计。对读者的判断标准很简单：看到因疗效显著而提前终止的新闻，先问样本多大、事件多少、边界是否预设、后续有无验证。还有一层常被忽略的边界：提前终止节省的样本，并不会自动转化成证据强度。试验停得早，随访时间也短，干预对长期结局的影响仍未知，而抗衰干预恰恰关心长期。因此这类结果更适合作为后续研究的起点。监管审评中，因获益提前终止的试验通常仍被要求补充长期安全性数据。