随机对照试验常被视为评价药物有效性的金标准，然而随机对照试验中普遍存在着协变量不平衡这一现象，传统方法由于难以平衡各类协变量特征且缺乏充分的理论论证，在连续性协变量平衡设计上具有局限性，如何解决这一问题呢？
2025年3月20日，来自中国人民大学统计与大数据研究院的马维教授应邀莅临上海交通大学医学院临床研究中心并做题为“Covariate-adaptive design: An overview and recent advances”的讲座。马维教授长期致力于自适应设计、临床试验设计与分析、生物统计、健康医疗大数据等领域的研究，本次报告中他阐述了协变量自适应设计领域的研究成果，受到了临床研究方法学领域的专家学者的关注。
马维教授系统回顾了协变量自适应设计领域的研究进展，针对随机对照试验中协变量不平衡这一普遍现象，马维教授及其团队创新性提出基于特征映射的新型设计框架。该方法能够动态调整治疗分配概率，实现治疗组间协变量平衡，从而提高治疗效果评估的精确性，增强试验结果的可靠性。马维教授的统一框架解决了传统方法在灵活性和理论可解释性等方面难以兼顾的困境，为医学研究提供了方法学支持。
讲座中，马维教授还与参会者深入探讨了协变量自适应设计数据分析中的挑战与解决方案，为该领域的理论创新与实际应用提供了重要启示。
