背景三臂非劣效临床试验,是指同时包含试验组、阳性对照组和安慰剂对照组进行非劣效研究的临床试验,是目前公认的“金标准”非劣效设计。非劣效中不依从偏倚的控制策略一直存在较大争议,三臂设计中该问题变得更加复杂,使结论的有效性面临较大挑战。因此,对于三臂非劣效试验中控制不依从偏倚的效应估计及非劣效评价方法,需要进一步系统研究以建立更完善的理论体系,支持实践应用和推广。方法本研究从监管接受度考虑,在ICH E9（R1）建议的主层策略框架下,构建三臂设计下非劣效性估计目标,确定完全依从人群的效应,即CACE（Complier Average Causal Effect）,为主要估计量。建立贝叶斯因果模型,对主层进行梳理和定义,将不依从导致的偏倚问题转化为不同主层人群的有限混合分布问题,使用DA算法（Data Augmentation algorithm）完成参数估计。对估计目标层构建贝叶斯假设检验式,进行非劣效评价。利用模拟研究,考察不同主层结构和结局分布对研究结果的影响;参数估计中评价指标采用偏倚百分比（Percentage bias）和均方误差（Mean square error）;非劣效评价中,考虑判定非劣效结论成立的界值RNI在 0.5、0.7、0.90、0.95和0.975五种取值情况下,贝叶斯假设检验的Ⅰ类错误率和检验效能（Power）表现;并在Ⅰ类错误率不超过0.05前提下,寻找具有较高Power的RNI作为最优RNI。同时,基于贝叶斯因果模型框架,量化传统策略即ITT（Intention-To-Treat analysis）、PP（Per-Protocol analysis）和 AT（As-Treated analysis）分析相对于CACE估计量的偏倚。最后进行实例验证,比较不同分析策略的性能。结果模拟研究结果表明,在三主层结构（包含三种不同依从类型人群）下正态分布结局的参数估计中,安慰剂组、阳性对照组和试验组期望的估计平均偏倚百分比分别为7.8%、3.0%和0.01%;最优RNI为0.7,此时平均Ⅰ类错误率为0.024,平均Power可达到0.921。对于三主层结构下的二分类结局,安慰剂组、阳性对照组和试验组期望估计的平均偏倚百分比分别为13.6%、4.0%和-0.3%;最优RNI为0.9,此时平均Ⅰ类错误率0.016,平均Power为0.600。四主层结构（包含四种不同依从类型人群）相较于三主层结构,期望参数估计偏倚较大;正态分布结局最优RNI为0.975,二分类结局最优RNI不变,仍为0.9。定量偏倚研究中显示ITT、PP和AT分析策略下所得统计量实际上是不同依从类型比例和依从效应下,相对于CACE估计量的线性函数式。实例分析中,本研究模型较传统分析策略更加准确估计了依从人群的真实效应,并得到合理的非劣效结论。结论本研究构建贝叶斯因果模型对估计目标层参数进行估计,其算法估计偏倚程度取决于主层结构,主层结构简单时平均偏倚更小;在应用时可通过控制RNI,将Ⅰ类错误率控制在合理范围内并取得较高Power。基于ITT、PP和AT分析策略的效应估计偏倚程度取决于各依从类型比例及依从性效应大小。综合考虑,当主层结构中不同主层间潜在效应差别较大时,建议采用本研究所构建的统计模型和方法校正不依从偏倚,以获得更加准确、有效的研究结论。