从治疗意图的角度来看，没有必要考虑到这一点，因为每个人都应该被包括在他们被随机分组​​的手臂的分析中。失败率是治疗的固有部分。如果您想比较在不同的情况下实际接受治疗的两只手臂的效果，但从您的描述来看，我认为这是不可知的。

作为一个附带问题，如果您在一组而不是另一组中进行导管插入，我看不出如何保持掩蔽。您可以而且应该掩盖结果评估者，但其他人肯定会：患者、调查人员、临床团队……都会知道。

根据评论编辑

我的最后一段现在不相关了，因为 OP 已经详细说明了他们使用假导管的巧妙方案。

这篇 Wikipedia 文章中描述了可能不了解此意图的人，仅供参考，并且包括此开放访问在内的许多文章中都概述了替代编译器平均因果效应。似乎没有维基百科条目。

您的研究的效力取决于您希望检测到的两种治疗之间差异的大小、参与者对治疗的反应的差异以及参与者的数量。只要放置失败的可能性增加了参与者之间反应的可变性，在参与者数量相同的情况下，它必然会降低检测治疗之间特定差异的能力。举个极端的例子，如果总是出现放置失败，您将根本无法检测到任何差异。

也就是说，放置失败似乎是这些治疗固有的，所以这似乎是对他们在临床实践中差异的公平测试（除了@mdewey 提出的关于这是否真的被掩盖的警告，除非所有人都接受了导管插入但有些人接受安慰剂代替麻醉剂，或者除非您愿意仅仅因为导管插入术而接受可能的安慰剂效应，这与持续的麻醉剂输注不相符）。对于治疗失败，您可能无法检测到尽可能小的差异，因此在您的设计中应考虑治疗失败的估计。

• 随机不确定性会降低实验的精度。
• 系统不确定性会降低实验的准确性。

标准差 ,$s$等于差的平方和的平方根$/ N$（人口）。

的平均值的标准偏差 ，（“sigma-em”）$σ_m$

$σ_m=s/√N$

当我们谈到在相同条件下进行的一组测量的不确定性 σ 时，我们指的是数字而不是。有两种常用的方式来说明结果的不确定性：用的标准偏差，或者用百分比或分数的不确定性表示，“epsilon”，。$σ_m$$s$$σ$$σ_m$$\epsilon$

如果结果的不确定性不随质量或经验而变化，则平均值的标准差随数据集大小的增加而变化的速率将很小。它既是过程质量的指标，也是显着的人口规模。

参考香农定律和数字通信，我们知道信噪比或标准偏差在算术上与错误率成正比，在对数刻度上成正比（尽管我们通常使用倒数或信噪比 (SNR)）其中 10:1 或 10dB 到 15 dB 或 30:1 通常是噪声的阈值，其中有 50/50 的错误机会取决于您如何区分结果“好或坏”，而 20dB 是 1% 的噪声，错误率相当小。（欢迎更多精明的统计学家改进或更正此描述）

您必须根据错误的权重确定自己的总体规模和误差阈值，从而确定显着结果的总体规模。（更长的恢复期与增加成本、感染或其他因素的损失）

典型的计算是用标准偏差测量改善的恢复时间，有和没有额外的治疗。然后绘制每个医疗团队随时间变化的标准偏差是他们治疗效果改善率的指标。

恕我直言，测试盲法不如准确定义观察恢复的测量方法、对技能的信心，如果这可以通过可测量的阈值、公差和偏差输入以某种方式测量的话。（忽视或更多的关注可能会使结果偏向任一方向）（如果没有这些细节，盲测结果有点毫无意义，因为它们仅适用于重复该过程的团队，而不适用于所有团队，除非进行更大的测量。）

即使有一个大样本库，每个程序都必须是一个可测量的参数，具有一定的公差，以获得对结果的可靠预测。（例如放置、粘合固定、患者运动等）减少偏差可提高成功率。可以进行实验设计 (DoE) 以优化过程。（超出此答案的范围）