本文目录
先分清“有效”指的是哪一件事
“有效率”，报告里常写成 ORR，指达到研究设定的缓解标准的患者比例，可能把完全缓解和部分缓解都算进去；“完全缓解”指达到那项研究的完全缓解标准，而标准随疾病不同而不同；“缓解持续时间”说的是从第一次确认缓解到进展或死亡的时间，它不能由有效率推出来；“无进展生存”（PFS）和“总生存”（OS）则从各自的起点算到进展或死亡。所以看任何一个数字，先找它的定义、起点、要不要确认，以及数据截止到哪一天。
同一个缩写，在不同疾病里可能用不同的评估标准，影像、骨髓、分子残留和症状怎么组合也不一样。早期报告有时只给还没确认的反应，后面才有确认过的反应和更成熟的随访。如果一份材料没有告诉你随访了多久、有多少人失访、发生了多少事件、置信区间（这个数字可能波动的范围）是多少，那么一个孤零零的百分比能说明的事很有限。
完全缓解不等于治愈，缓解多久是另一回事
完全缓解的意思是：在那项研究的标准和那个评估时点上，规定范围内没有检测到疾病——不等于体内绝对没有肿瘤细胞，也不自动等于治愈。缓解持续时间只在已经产生缓解的那部分人里计算，不能代表所有入组者都能持续获益。所以你完全可能看到两种情形：有效率不低、但缓解时间短；或者总体反应比例有限，却有一部分人长期获益。
无进展生存和总生存看的是整体人群，但会被后续治疗、交叉用药、失访和随访成熟度影响。如果还有大量患者仍在随访，生存曲线的尾部就不稳定；如果两组后续治疗差别很大，把生存差异全归功于最开始那次细胞治疗也不严谨。看的时候要连风险比、置信区间、事件数和预设分析一起看，不能只看中位数。
同一批人，分母不同数字就不同
按入组或随机分组保留全部患者来分析（意向治疗集，报告里常缩写为 ITT），即使有人没完成采集、制造失败、没输上或者很早就退出，也照样算在里面。它更接近“采用这条治疗策略之后，总体上发生了什么”，能减少只挑成功者带来的高估。只算真正输上细胞的那部分人（输注集），适合描述输注之后的安全性和生物学变化，但容易高估在实际人群里的疗效。
自体细胞治疗尤其要看清楚每一层的分母：筛选、采集、制造、桥接治疗（等产品做好的这段时间里先用的过渡治疗）、输注、可评估。如果论文同时给了入组人数、单采人数、制造成功数、输注人数和可评估人数，你要分清每个数字回答的是哪个问题。把一项研究输注集的有效率，和另一项研究意向治疗集的有效率直接比，是没有意义的；制造成功率也不能当成患者层面的疗效。
单臂研究和随机试验不能并排排名
很多早期细胞治疗研究是单臂设计，它能看可行性、反应信号和安全性，但没有同期对照。拿历史数据当对照，容易受患者选择、支持治疗、评估频率和年代变化的影响。随机试验通过分组减少这些偏差，但也要看分层因素、交叉用药、后续治疗和实际接受的暴露。研究设计不同，数字的证据强度就不同。
跨试验比较还会被入组线数、既往用过什么药、疾病风险、靶点表达、桥接治疗、随访成熟度和终点定义影响。就算两个试验都报了有效率，两边的患者是不是同样难治、分母是不是一回事、反应有没有经过确认，都可能不一样。稳妥的说法是“在各自的研究人群里观察到”，而不是据此宣称某个产品普遍更好。
生存曲线和亚组分析：为什么“某一人群更好”常常站不住
看生存曲线要连着风险集、删失标记和事件数一起看：曲线早期分开、后来又靠拢的情况并不少见；尾部只剩很少的人时，曲线看起来会很夸张。风险比是模型估计出来的相对风险，不等于绝对获益，也不保证每个时间点的差别都一样。报告里应该说明用了什么模型、置信区间多少、比例风险假设合不合理。
亚组结果最容易被过度解读。某个亚组数字更好，可能只是人少、随机波动，或者做了很多次比较。如果没有交互检验、也不是事先设定的假设，就不能说治疗只对这一类人有效。细胞治疗还常按靶点、疾病负荷和既往治疗分层，分的组越多，越要把这些结果当成探索性信号来看。
看到一个“有效率 X%”时，按这五步核对
第一步，找定义：这个数字指的是“有效”还是“完全缓解”，要不要确认，评估在治疗后第几个月做。第二步，找分母：是所有入组的人，还是只算输上细胞的、或者只算可评估的人。第三步，找随访：数据截止到哪天、中位随访多久、多少人失访、发生了多少事件。这三步做完，你基本就能判断这个数字是什么分量。
第四步，看设计：是单臂还是有同期对照，是随机试验还是拿历史数据比。第五步，回到原始出处：是正式论文、监管文件、试验登记，还是只有新闻稿——新闻稿适合让你知道发生了什么，不能代替完整数据。任何时候，把百分比连同它的人群和分析集一起引用，才不容易读错；这一篇讲的是怎么读数字，不构成对任何治疗的评价。以上内容不构成诊断或治疗建议。
读者最常问的问题
参考来源
本页是公开来源的整理，不是来源机构的官方中文版本，也不能替代医疗团队的评估。