“當參與者的構成結構不能反映可以從該藥物中受益的人群時，可以說這項臨床研究結果與每個人都無關。”英國牛津大學圍產期（懷孕28周到產後1周）流行病學家Marian Knight說。“而且，這也破壞了人們對醫療機構的信任。”她補充道。
Marian Knight舉例：在新冠大流行的早期階段，一些孕婦不願意接種疫苗，因為許多測試疫苗的試驗人群不包括懷孕女士。Knight說：“與其他人群相比，孕婦中與新冠相關的死亡人數不太樂觀，這可能就是對是否接種疫苗猶豫不決的結果。”2月6日，Knigt與人在《英國醫學雜誌》（BMJ）合著發文，敦促研究人員將更多的孕婦納入臨床試驗。
為何會造成受試者單一化
臨床試驗受試者單一化是個頗為複雜的問題，它關乎藥效等各種因素。在FDA2019年發起的一項針對100名實體瘤成年患者的訪談研究中，絕大多數人認為嘗試新藥是一項基本權利，但事實上太困難了，尤其是要想進入1期臨床試驗，需要經過嚴格的資格審查，而頻繁的不合格和漫長的入組（實驗組）過程都是進入1期臨床研究的障礙。
此外，招募患者參加1期試驗，此舉與制藥業界長期以來的信念不一致。因為1期臨床試驗的篩選標準更嚴格，所以大部分制藥公司都選擇在2期或3期臨床試驗滿足此需求。而且，樣本的多性可能帶來難以解釋的結果。
比如，2021年美國耶魯醫學院Seohyuk Lee等人發表在JNCI（Journal of the National Cancer Institute）上的文章顯示，數據庫表明，現實世界中患有結直腸癌的黑人患者死亡風險比白人高 32%。然而，有分析表明，這或許是生活條件差異造成的，在接受與白人相似的醫療保健後，患結直腸癌的黑人和白人死亡率相似。
人工智能也提供了類似的證據，更廣泛、更具包容性的患者群體不會改變試驗結果。美國斯坦福大學電子工程專業教授劉芮杉等人2021年在《自然》發文稱，他們通過Trial Pathfinder（一種人工智能），分析了61094名晚期非小細胞肺癌患者的數據。分析表明，許多不符合原始試驗標準的患者都可能從治療中受益，當資格標準完全放寬或採用數據驅動方法擴大患者範圍時，符合條件的患者數量急劇增加，但總體生存風險比不會受到影響。 |
