研究说了什么
非劣效试验不问新干预是否优于对照，而问它是否没有差到不可接受。这个不可接受的下限就是非劣效界值，记为 M1。确定界值通常有三条路径。第一条是历史证据法：找到当年证明对照药优于安慰剂的试验，估计出对照药相对安慰剂的效应量，再保留其中一部分，常见做法是保留百分之五十，其余作为可接受损失。若历史上某药相对安慰剂把事件率从百分之十二降到百分之八，绝对效应为四个百分点，那么非劣效界值常设在两个百分点。第二条是临床判断法，由专家共识给出一个与临床意义挂钩的最小重要差异，这条路径主观性更强，需要事先声明。第三条是监管协商，在方案阶段与审评机构确定界值并写入统计分析计划。无论走哪条路，界值必须在揭盲前固定，事后调整会让一类错误失控。分析上还要求意向性分析与符合方案分析同时支持非劣效，两者结论不一致时，通常不能宣称非劣效。还有一个技术细节是分析集的定义：非劣效试验的意向性分析会把用过对照药后转组的人算在原组，这种保守处理反而有利于结论稳健；若换成符合方案集，脱落者的排除可能让两组看起来更接近。因此监管通常要求两套结果同时呈现，且方向一致。
为什么重要
非劣效设计在抗衰与慢病领域越来越多，原因很现实：找一个比现有有效疗法更好的干预很难，找一个疗效相当但更安全、更便宜、更方便的干预则容易得多。问题在于，界值一旦放宽，试验的信噪比就变了。假设真实情况是新干预比对照差百分之一点五，界值为二，试验会判为非劣效；界值若定为三，几乎任何像样的干预都能通过。更隐蔽的操作是循环论证：用一项本身设计欠佳的历史试验估计对照效应，再把界值设为该效应的一半，误差被继承下来。还有一种常见错误是把非劣效与等效混淆，非劣效只允许单向的损失，等效则要求差异落在正负两侧的窄带内，两者的样本量与结论完全不同。对读者，看到非劣效结论时至少要查三件事：界值是多少、依据是什么、阳性结果是否同时被两种分析支持。另一个容易混淆的概念是劣效与无效：非劣效成立只说明新干预没有差到不可接受，并不说明它和对照一样好，二者之间仍可能隔着一段真实的损失。在资源有限的环境里，这段损失是否值得，取决于价格、给药便利与安全性。把非劣效读成等效，是这类文献最常见的误读。
证据与边界
历史证据法的前提是历史试验与当前试验足够相似：同样的对照药、同样的剂量、同样的终点定义、相似的人群背景与背景治疗。现实中这些条件很难全部满足。若当年的试验没有使用现代的背景治疗，对照药的绝对效应会被高估，据此推导的界值随之偏松；若人群风险随时间下降，同样的相对效应对应的绝对差异变小，旧的界值就变得过于宽松。统计上还有一个常被忽略的问题：非劣效检验的置信区间方向与优效性相反，需要单侧检验，样本量按单侧 alpha 计算，若误用双侧公式，把握度会被高估。监管指南建议同时报告意向性分析与符合方案分析，并对缺失数据做敏感性分析，因为非劣效结论对脱落尤其敏感：脱落者若在两组间不平衡，符合方案集可能被人为净化。最后要承认，界值终究是一个价值判断，它把统计差异翻译成临床上可以接受多少损失，这个翻译过程无法完全由数据决定。实操中还有一层约束：界值一旦写进方案，期中分析时便不能再改，若数据监查委员会发现事件率远低于预期，只能调整随访或样本量，不能放宽界值。这条规则看似僵硬，却是防止结论被事后塑造的关键。以房颤抗凝为例，若历史数据把对照药的效应估得偏高，由此推导的界值就会允许新药在卒中上多出本不该接受的风险，而试验仍然可以宣称非劣效。