ICH E9 (R1) 提供了多种策略来处理伴发事件，包括治疗策略、假想策略、复合变量策略、在治策略和主层策略。通过在临床试验设计和分析中明确考虑这些伴发事件，研究者可以更准确地估计治疗效果，并为监管决策和临床实践提供更可靠的依据。

1. 治疗策略（Treatment Policy Strategy）：
• 在这种策略下，无论是否发生伴发事件，都使用相关变量的值来估计治疗效果。例如，即使患者中断了治疗或使用了其他药物，也会使用他们的主要疗效变量值。
• 这种策略适用于那些将伴发事件视为治疗比较的一部分的情况，如在意向性治疗（Intention-to-Treat, ITT）分析中。
2. 假想策略（Hypothetical Strategy）：
• 假想策略设想一种伴发事件并未发生的情境，并估计在这种假设情况下的治疗效果。
• 例如，研究者可能会估计如果患者没有因为不良反应而中断治疗，治疗效果将会如何。这种策略需要明确假设的情景，并可能需要复杂的统计方法来估计。
3. 复合变量策略（Composite Variable Strategy）：
• 这种策略将伴发事件本身作为治疗效果的一部分，并将其纳入变量的定义中。
• 例如，在评估癌症治疗时，死亡可能被视为治疗失败的一部分，因此在估计生存期的同时也会考虑治疗中断的情况。
4. 在治策略（While on Treatment Strategy）：
• 在这种策略下，只考虑伴发事件发生前的治疗期间的治疗效果。
• 例如，如果患者在治疗期间死亡，那么只有死亡前的治疗效应会被考虑在内。
5. 主层策略（Principal Stratum Strategy）：
• 这种策略关注于特定的患者群体（主层），这些患者在特定条件下可能会或不会经历伴发事件。
• 例如，研究者可能只关注那些能够耐受治疗并继续治疗的患者群体，以评估治疗在这一特定人群中的效果。

在实际应用中，选择合适的策略需要考虑临床试验的目的、治疗的性质、伴发事件的类型和重要性，以及统计分析的可行性。通常，这些策略需要在临床试验设计阶段就明确，并在数据分析计划中详细规定。此外，为了评估治疗效果估计的稳健性，通常还需要进行敏感性分析，以探索主要分析结果对假设变化的敏感程度。