从 Protocol 到 SAP：让统计决策进入可执行工作流

统计决策如何形成

Protocol 给出研究目的、终点、设计，以及解释结果所需的临床背景。SAP 在此基础上明确分析人群、终点衍生、伴发事件策略、缺失数据、多重性、敏感性分析和预期输出，形成完整的统计规格。

SAP 是科学意图转化为可复核分析规格的位置。已经确认的选择进入正式规格，待确认的假设以问题和责任人记录，为统计讨论和后续编程提供清晰上下文。

AI 支持下的变化

文档处理与结构化提取可以汇集终点表述、人群定义、访视窗口、分析线索和交叉引用。系统比较这些要素，整理差异与待确认事项，并形成可供审阅的草稿结构，从而缩短从阅读来源到形成完整决策集的距离。

统计师判断终点定义是否回答临床目的、estimand 是否恰当、方案偏离如何影响分析人群，以及哪些敏感性分析具有科学依据；审阅者确认最终规格。系统负责组织证据和准备比较材料，专业角色据此完成分析选择与批准。

可追溯交接

有效的 Protocol-to-SAP 流程需要保留四类信息：

1. 每项分析决策对应的 Protocol 原始证据；
2. 统计团队增加的解释或假设；
3. 待确认问题及其决策责任人；
4. 可供下游数据和编程环节使用的已批准规格。

交接由“读完文档开始编程”变成“审阅决策记录并执行获批规格”。来源事实、统计解释、系统支持和专业批准因此进入同一条可追溯链路。

对后续流程的影响

当分析决策明确且有版本后，SDTM、ADaM 和 TFL 可以引用稳定的上游对象。Protocol 或 SAP 发生变化时，能够识别受影响的决策与输出，而不必把每个下游产物当作孤立文档。这种可追溯性是后续工作流自动化的基础。