在完全随机设计的临床试验中, 患者被随机地分配到不同的处理组中，但患者不一定会按照原分配方案进行治疗。例如分配手术组的患者发现了其它并发症不再适宜手术，进行其它治疗或者分配到安慰剂组的患者出现不良事件需要进入干预治疗。

这时我们在分析数据时怎么处理呢？可能有人会说：改变了原定的方案，应该去除这些患者，但可能会有人说：说不定是某组的干预方式不好才会改变方案，这样做也可能病症较重的人改变方案，这样两组就不可比了。

似乎说法都有道理，但这种情况在临床试验中并不少见。随机化能保证受试者被分配到几个比较组间, 除处理因素不同外, 其它的基础情况大致相同, 这样能对试验的结果间差异比较归因于处理间的差异。另外, 随机化对试验结果的差异为在统计学上的显著性检验提出了科学的理论基础, 因此, 临床试验的研究者都期望每一个接受处理的受试者能按试验方案接受试验。但是在试验的实际工作中, 由于受试者不符合人选条件, 依从性差(如受试者不按规定的药物剂量服药)或者试验中失访等原因, 使试验结束时,原来随机的组间不具有可比性或者不能按试验方案提供接受处理的有效信息。

在解决这个问题前，我们需要了解两个定义：

意向性分析(Intention-To-Treat，ITT)，看名字就知道，这种分析是无论患者用哪种方案进行治疗，都按原定分组方案进行分析，即一旦受试者被确定分配到某一处理组后, 处理组间的比较就建立在经随机分配的受试者接受处理后所出现的结果基础上进行的（即上图中A1、A2都计入A组，B1、B2都计入B组）。根据意向性分析的原则, 除需将所有具有有效试验结果的受试者, 包含在试验终点的结果分析中之外, 还应包括经随机化分配的受试者因某些原因在接受一段时间试验而中止者, 或者转移到另一种处理的受试者。对缺失值的处理采用了将最近一次观察结果结转到终点的方法, 使各组在终点的受试者数与试验开始时一致, 这种分析方法确保了随机化原则。

遵循研究方案分析（Per-Protocol，PP），它只对实验依从的人进行分析，而剔除了不依从者（即上图中A1计为A组，B1计为B组，A2与B2不计入分析）。这些受试者也称为“有效病例” 或“可评价受试者” 。显然它是由全部受试者中的一部分组成。

以上两种分析在新药临床试验的结果分析中起着不同的作用, 在疗效分析方面, ITT分析常常会低估试验的疗效, 而PP分析又会过高地估计试验的疗效。一般认为, 在验证性试验中, 同时应用这两种方法进行统计分析是合适的。对这两种分析结果的差别进行讨论和解释将有利于说明临床试验结果。当两种方法分析的结论基本一致时, 更能增加研究结果的可信程度。