伞形试验（Umbrella Trial）是一种创新的临床试验设计方法，旨在将同一疾病的患者按照生物标志物、基因突变或其他特定特征进行分组，从而在单一框架下测试多种不同的治疗方案。伞形试验广泛应用于复杂疾病（如癌症）的研究中，能够有效筛选出针对不同亚型的最优治疗方案。
伞形试验通过对一种疾病的多种潜在靶点进行治疗前瞻性临床试验，将患者按预测性生物标志物或其他特定风险因素分为多个亚组，以测试不同的治疗药物。这种设计类似于中医理论中的“同病异治”，即针对同一种疾病采用不同的治疗方法。
主要特征
1.确定研究问题：明确伞形试验的核心问题和目标。
2. 选择干预措施：选择一系列相关的干预措施，以测试针对不同靶点或亚型的治疗效果。
3. 制定入组和排除标准：确保研究对象的选择标准一致，减少偏倚。
4. 随机化：尽可能随机分配干预措施，以确保试验公正。
5. 数据收集：制定标准化的数据收集方式，确保数据的准确性和一致性。
6. 中期分析：试验进行至一定阶段后进行中期分析，根据结果调整试验设计。
7. 统计分析：使用合适的统计方法分析和解释数据。
伞形试验的统计分析较复杂，因其涉及多种干预措施的比较，且可能存在干预措施间的交互作用。常用的统计分析方法包括：
数据准备：包括数据清洗、变量编码等，确保数据完整准确。
随机化检查：检查基线特征的均衡性，确保随机分配有效。
多变量分析：多变量模型（如多元回归、协方差分析）用于控制混杂因素，评估干预效果。
多变量方差分析（MANOVA）：可以同时比较多种干预措施的多个结果变量，适用于多组间的比较。
重复测量ANOVA：适用于在多个时间点收集的数据，分析干预效果随时间的变化。
生存分析：对于生存数据，常用Kaplan-Meier曲线和Cox回归模型分析干预效果。
交互作用分析：在模型中添加交互项，评估不同干预措施的交互效果。
伞形试验设计在临床试验中已被成功应用于多个疾病领域，尤其在个性化治疗和肿瘤学研究中。以下是几个典型案例：
1. 三阴性乳腺癌的精准治疗伞形试验
试验背景：三阴性乳腺癌是一种恶性程度高、治疗选择有限的乳腺癌类型。复旦大学附属肿瘤医院的团队实施了我国首个三阴性乳腺癌伞形试验。
设计方案：根据患者的基因特征和生物标志物，分为多个亚组，分别接受不同的靶向治疗药物。
主要成果：该试验显示治疗有效率从不足10%提升至约30%。研究成果证明伞形试验可以有效筛选出更适合个体的治疗方案，为三阴性乳腺癌患者的精准诊疗提供了强有力的科学依据。
2. 进展期胆道肿瘤伞形试验
试验背景：胆道肿瘤具有高复发率和治疗困难的特点。东方肝胆外科医院发起了全球首个胆道肿瘤伞形试验。
设计方案：试验基于高通量基因检测技术，为每位晚期胆道肿瘤患者识别潜在的可用药物靶点，然后根据不同靶点提供FDA批准的抗肿瘤药物。
主要成果：精准治疗模式在部分患者中显著延长了生存期，验证了伞形设计在胆道肿瘤个体化治疗中的有效性。
3. 肺癌的伞形试验（Lung-MAP试验）
试验背景：非小细胞肺癌（NSCLC）是一种具有高度异质性的癌症，针对其不同突变的靶向治疗需求大。美国国家癌症研究所（NCI）发起了Lung-MAP试验，旨在探索个性化治疗方法。
设计方案：根据患者的基因突变类型，将其分为不同亚组（例如EGFR突变、KRAS突变等），并为每一亚组测试相应的靶向药物。
主要成果：试验不仅提高了治疗效率，还减少了不必要的用药，有助于快速筛选针对特定突变类型的有效药物。
4. 乳腺癌的I-SPY 2试验
试验背景：I-SPY 2是一项旨在提高乳腺癌新药开发效率的伞形试验。该试验主要针对高复发风险的乳腺癌患者。
设计方案：患者根据分子特征分成多个亚组，每个亚组接受不同的靶向药物组合。试验采用适应性设计，允许在试验中动态调整药物种类。
主要成果：I-SPY 2试验通过实时数据分析在试验过程中筛选出更有效的药物组合，大幅缩短了乳腺癌药物开发时间。
5. 基于基因突变的黑色素瘤伞形试验
试验背景：黑色素瘤具有多种驱动基因突变。伞形试验被用于将黑色素瘤患者按基因突变（如BRAF突变、NRAS突变等）分组并测试不同的靶向疗法。
设计方案：各个亚组采用专门针对其基因突变的药物组合，分析不同组合的治疗效果。
主要成果：试验结果显示，基因突变类型不同的患者对治疗的反应也不同，证实了伞形试验在黑色素瘤个体化治疗中的优势。
6. 前列腺癌的STAMP伞形试验
试验背景：前列腺癌亚型复杂，不同分子特征的患者对治疗的反应不同。STAMP伞形试验旨在测试针对不同前列腺癌分子特征的靶向疗法。
设计方案：患者根据前列腺癌的特定分子特征被分组，接受不同的治疗方案，涵盖靶向药物、化疗和免疫疗法。
主要成果：该试验展示了不同前列腺癌亚型的特异性治疗潜力，有助于为患者提供更精准的治疗选择。
预实验与模型建立：预先分析潜在的干预措施交互效果，为后续分析提供参考。
随机化：通过随机化避免系统性偏差，确保组间均衡。
分层：对可能与干预效果相关的基线特征进行分层，以便不同组间的特征均衡。
多变量分析：使用混合效应模型或其他高级统计模型控制交互效应。
敏感性分析：检验不同统计模型对交互效果的稳健性。
限时福利，买一送一
试听视频
线上课程+理论与实操+专属学习群
录播课程，可随时随地学，无限次收听
报名咨询
请扫描微信二维码添加胡老师备注 “ 临研课程 ”
欢迎加入1233+人的中国临床试验千人通讯录
精品课程推荐
精品资料推荐
领取|8.72G临床试验精华资料包(180个文件)送给临研人的福利！
领取|符合国际标准的全套临床SOP资料包,651个文件供你参考学习！
领取|ADC(抗体药物偶联物)知名书籍：研发,临床,注册及市场发展收藏|生物等效性试验（BE试验）比较全面的知名书籍！
免费领取|书籍: 临床数据管理实用指南第三版
收藏|抗肿瘤药物创新研发必看16本书籍！>>>> 公众号推荐
欢迎关注法迈新媒体
更多，更及时的干货内容，请加我们的微信公众号：法迈医讯，诚邀业内人士及机构向我们投稿。投稿邮箱：bellama@pharmanews.cn
【免责声明】文章为网络整理，不代表“法迈医讯”立场。如因作品内容、版权等存在问题，请于本文刊发30日内联系法迈医讯进行删除或洽谈版权使用事宜。
法迈医讯作为法迈新媒体微信公众号矩阵之一， 法迈新媒体是国内一家面向制药行业供应链综合服务平台，致力于服务全球制药行业从业人员。以创新的互网+模式服务于行业用户，形成以“资源整合，知识共享”为核心，微信公众号矩阵、社群矩阵为分支的新媒体模式，力争打造国内活跃和具影响力的专业化平台 ！
