试点研究

试点研究 (Pilot Study)

试点研究（Pilot Study），又称预试验或可行性研究，是指在正式开展大规模研究设计之前，以较小规模、有限资源对研究方案进行的一次完整或部分模拟执行。其核心目的不在于检验研究假设本身，而是评估研究的可行性（Feasibility），包括招募策略、干预措施的可接受性、数据收集工具的性能、操作流程的顺畅程度以及资源（时间、经费、人力）需求的现实估计。试点研究本质上是"对研究的研究"——它为正式研究提供校准依据，避免在大规模投入后发现设计缺陷而造成的不可逆损失。

试点研究的主要功能

试点研究在研究方法论中承担多重功能，可归纳为以下几个方面：

1. 检验研究方案的可行性：评估招募速率、随机化流程、盲法实施、随访依从性等关键操作环节在现实中是否可控。例如，一项临床试验的试点阶段可能发现目标人群的招募速度仅为预期的三分之一，从而促使研究者调整纳入标准或延长招募周期。
2. 评估数据收集工具：检验问卷的信度和效度（Validity）、量表的文化适应性、测量设备的稳定性以及数据管理系统的完整性。天花板效应（Ceiling Effect）或地板效应（Floor Effect）等问题通常在试点阶段被首次暴露。
3. 估计效应量和变异度：为正式研究的样本量计算（Sample Size Calculation）提供关键参数——均数、标准差、比例、效应量（Effect Size）等。缺少试点数据而直接进行样本量估计，往往依赖文献中的粗略参考值，可能导致样本量严重高估或低估。
4. 培训研究团队：通过模拟全流程操作，使研究人员熟悉标准操作程序（SOP），识别潜在的操作偏差并统一执行标准。
5. 获取伦理和监管批准的支持证据：伦理审查委员会（IRB）通常要求提供试点数据以证明研究设计的合理性和风险的可控性。

试点研究与正式研究的区别

试点研究和正式研究在目的、规模和统计分析策略上存在根本差异：

• 目的不同：正式研究以检验假设（Hypothesis Testing）为核心，旨在回答科学问题；试点研究以评估过程为核心，旨在优化研究方案。因此，试点研究通常不设定正式假设，也不以 $p$ 值为主要产出来评判干预效果——小样本下的统计检验力严重不足，所得 $p$ 值不具有推断价值。
• 样本量不同：试点研究的样本量远小于正式研究。常见的经验法则是，连续性结局的试点样本量约为每组 30--50 例，足以稳定估计均数和标准差；对于问卷开发和量表验证类试点，通常遵循"条目数的 5--10 倍"原则来确定样本量。
• 统计报告策略不同：试点研究的分析应以描述性统计为主——报告均值、标准差、比例及其置信区间（Confidence Interval），而非过度依赖假设检验。Arain 等（2010）的综述指出，将试点研究的非显著性结果直接解读为"干预无效"是常见的方法学误区。

试点研究的设计类型

试点研究可采取多种设计形式：

内部试点（Internal Pilot）：又称无缝试点，指在正式研究的前期嵌入一个试点阶段，期间收集的数据（若无重大方案修改）直接纳入正式研究的最终分析。这种设计的优势在于避免数据浪费，且能无缝过渡到完整试验，常见于大型随机对照试验（RCT）中。

外部试点（External Pilot）：独立于正式研究进行的试点，其数据通常不纳入正式分析。外部试点的优势在于研究者可以大幅调整方案而无须担心污染正式数据，但其成本更高、时间周期更长。

定性试点：采用焦点小组、半结构化访谈等定性方法探索参与者对干预措施的理解和接受程度，尤其适用于行为干预和复杂干预的开发阶段。

常见误区与批评

• 将试点视为"小型正式研究"：这是最普遍的误解。试点的核心产出是可行性评估报告，而非治疗效果的点估计。将试点中观察到的效应量直接用作决策依据（如 Go/No-Go 决策）需要极为谨慎。
• 样本量过小导致信息不足：部分研究者以"图方便"的态度选取过小的样本（如每组不足 10 例），导致变异度估计极为不稳定，无法为正式研究的样本量计算提供可靠参数。
• 选择性发表偏差：成功的试点更容易发表，而揭示设计缺陷的试点——尽管对学术界有巨大价值——往往被搁置。这扭曲了方法学文献的证据基础。

实际应用建议

在设计试点研究时，建议研究者：明确试点目标清单（如"检验招募速率达到每月≥10 人"等可操作标准）；预设"继续/修改/中止"的决策规则；详细记录所有偏差和意外事件及其处理方式；在发表时如实报告方法学发现，包括负面经验。英国国家卫生研究院（NIHR）的试点研究指南为这一领域提供了系统性的报告标准框架。