研究说了什么
罕见病试验的困难是结构性的。患者总数少、分布分散、异质性强，同一诊断下可能有多种基因型与不同进展速度；自然病史数据往往缺失，安慰剂对照在严重疾病中难以长期维持；终点多为功能量表或生物标志物，测量误差大。统计上，样本量与效应量的平方成反比，十几例的试验只有在水落石出的巨大效应下才有把握度。两组各十例、双侧显著性水平零点零五时，要检出相差一个标准差的效应，把握度不足六成，而这已经算是相当大的效应。若真实效应只有半个标准差，把握度降到两成以下，阴性结果几乎不携带信息。常见替代方案是单臂试验加历史对照，或用交叉设计让每位受试者做自己的对照，再用贝叶斯方法借用历史数据。另一个现实约束是入组速度：一项需要三十例的试验，可能在单一国家三年都招不满，多国协作又带来监管与运输的复杂度，许多罕见病试验因此拖到方案过时。设计时就要把可行性算进去，而不是先写一个理想的样本量；做不到的设计，等于没有设计，这一点在经费评审中常被忽略。一些酶替代疗法试验只有十几例，却因效应足够大而改变了临床实践，这说明样本小不是死刑，效应小才是。
为什么重要
抗衰领域与罕见病有交集：早衰症、线粒体病、部分遗传性肌肉病都以加速衰老为表型，这些疾病的试验规模注定很小。单臂加历史对照的诱惑在于人人都能用上药，伦理上容易通过，缺陷是历史队列与当前队列在支持治疗、诊断标准、随访频率上往往不可比，时间趋势会被误读为疗效。若历史对照来自更早的年代，标准治疗落后，当前队列的改善可能全部来自背景医疗。交叉设计能控制个体差异，却受制于洗脱期与顺序效应，在进展性疾病中不适用，因为第一阶段之后的病情已不可逆。贝叶斯借用历史数据可以缩小样本，代价是借用的力度需要预设，借用过多会让结论被旧数据绑架。还有一个易被忽略的问题：罕见病诊断标准本身在演变，十年前入组的历史队列按今天的标准可能只占一部分，直接比较等于把诊断漂移算进了疗效。把诊断标准、支持治疗与随访方案逐项对齐，是使用历史对照的前提；对齐不了的，应在分析中量化差异，而不是假定它不存在，这一步常被省略，也常是结论翻转的地方。
证据与边界
小样本不等于低质量。可行的做法包括：把终点改成客观、可重复的指标，减少测量误差；增加基线期与重复测量，用个体内的变化代替组间比较；把自然病史研究作为试验的基础设施，先建立对照队列再谈干预；报告置信区间与贝叶斯可信区间，而不是只报 P 值。监管对罕见病有灵活路径，接受单臂试验加外部对照，但通常要求效应足够大、机制足够清楚、且上市后继续收集数据。对读者，看到十二个人的试验宣称有效，应先看效应量是否大到不可能由噪声解释、终点是否客观、对照从哪来。若这三项都站得住，它可以作为信号；若缺一项，它只是一个需要验证的假设，而不是治疗依据。还有一层现实：罕见病患者社群往往高度组织化，招募快、依从性好，这与普通人群试验的处境不同，外推时要考虑这层选择效应。把社群参与写进设计是好事，但不应让它替代对照。监管的灵活路径也不是降低标准，而是换一种方式管理不确定性；上市后确证与登记随访，是把不确定性补回来的手段，补得回来多少，取决于登记质量。