变化区组随机化及其SAS宏实现

目的 非固定区组长度可有效降低随机对照临床试验(RCT)中区组随机化分组的可预测性,为此编制全自动SAS宏程序实现变化区组随机化。方法 结合变化区组随机化的原理编制SAS宏程序,通过模拟实例演示程序的使用。结果 输入设定的宏变量参数,运行SAS宏程序即可生成变化区组随机化的受试者分配方案。此外,该SAS宏能实现多臂不等比RCT的分配问题,提供了受试者随机分配序列重现的功能。结论 多区组长度的设置和区组长度的随机选择能够降低分组可预测性,避免随机分组阶段选择偏倚的产生。本文的SAS宏为随机对照临床试验实现变化区组随机化提供了便利。     

最小化随机分组方法介绍及其SAS实现

目的介绍最小化随机分组方法的基本原理及运算过程,编制专用的SAS宏程序。方法通过文献查阅,综述最小化法的基本原理及其运算过程。依照运算过程,结合模拟实例,编制专用的SAS宏程序,并给出模拟实例的分组结果。结果最小化法作为一种动态随机分组方法,依据已入组病例重要预后因素组间分布情况,动态确定新入组病例的分配概率,最大限度保障重要预后因素组间分布均衡。它根据因素不平衡函数、总体不平衡函数和最优分配概率三个参数确定病例的分组,实施过程相对繁复是限制其应用的一个重要方面。通过编制SAS宏程序,可提高最小化法的分组效率。结论最小化法适用于小样本、基线特征复杂的临床试验,SAS宏程序能简化实施过程,有利于最小化法的应用。     

临床试验随机化方法的优选

目的近十几年来涌现出一些新的随机化方法,能有效提升随机化的性能,但其在临床试验中真正应用的情形并不多见,仍然以传统的区组随机化设计占据主导,存在着严重的潜在选择性偏倚风险。本研究将通过探讨多种随机化方法的统计性能,为临床试验随机化方法的选择提供实用性指引。方法选择简单随机化设计(SR)方法,以及目前常见的五种限制性随机化方法,包括固定区组设计(PBD)、变化区组设计(VBD)、大棒设计(BSD)、带不平衡限制的偏币设计(BCDWIT)、区组瓮设计(BUD),借助随机模拟方法,在不同的最大容许不平衡性(MTI)设定下,分别从随机性和均衡性两个方面对各方法的统计性能进行整体评价。本研究涉及的随机化方法优选仅在限制性随机化方法中进行,并将各方法的随机化性能指标作为评价优选的依据。结果 PBD和VBD方法的固定分配概率、猜对分配概率最高,相比之下,BSD、BUD、BCDWIT方法具有更好的随机化性能。具体看, BUD有着最小的固定分配概率,BCDWIT其次;BSD有着最小的猜对分配概率,BUD其次。结论为了减少试验的选择性偏倚,区组随机化设计不应再作为开放性临床试验随机化的推荐方法,而应考虑在其他几种限制性随机化方法中进行选择。在随机化方法选定后,还可通过大量模拟筛选出最佳的随机分配序列。     

盲法临床试验盲底的制作

在临床试验中采用随机化方法确定的每个受试者接受何种处理 (试验组或对照组 )的随机安排 ,称为处理编码 (treatmentcode)或盲法编码 (blindingcode) ,一般采用电子文件或书面文件形式予以保存。药品按处理编码进行分配包装以后 ,盲法临床试验要求对处理编码保密 ,此时又称为盲底。它是在临床试验中贯彻随机化和盲法的重要工具。借助SAS统计软件包的ProcPlan过程可非常方便地制作盲底 ,下面通过一虚拟临床试验介绍其具体操作。具体操作某临床试验样本大小为 14 4例 ,试验与对照按 1:1分配 ,需安排在 3个中心进行临床试验 ,各中心平均分配…     

二分类计数资料整群随机化样本量SAS宏实现

[目的]计算二分类计数资料整群随机化设计的组内相关系数及样本量。[方法]编写SAS宏程序,采用蒙特卡罗模拟方法,估计整群随机化设计的组内相关系数,并根据组内相关系数对样本量进行再计算。[结果]该宏程序可以方便地计算组内相关系数及样本量,并且通过利用SAS软件的ODS功能实现到word的输出。[结论]当组内相关系数未知而无法计算样本量时,该宏程序是可利用的方便工具。     

豚鼠皮肤致敏试验随机分组模板的建立

目的介绍豚鼠致敏试验的随机分组方法。方法将豚鼠称重,依次编号,以体重升序排序,依体重顺序将豚鼠分成若干个区组。用Excel软件对每个区组豚鼠的体重产生1个随机数,各个区组以随机数升序排序,以随机数的顺序将每只豚鼠分入随机组中,并对体重均值作F检验。结果用Excel软件工具菜单中"录制宏"的功能,建立豚鼠致敏试验随机分组模板文件。应用快捷键,快速完成随机分组及F检验。结论用Excel中"录制宏"建立模板文件方法,可快捷地将实验动物随机分组。     

单因素多水平临床试验定量指标统计分析报表的SAS宏实现

正SAS软件输出的统计结果多而复杂,常需要人为将统计结果复制粘贴到统计报告相应位置上,这一过程耗时耗力且容易出错。为此,可根据需要编制相应的SAS宏程序,直接生成针对各种类型资料的统计分析报表。以往对于成组计量或计数资料的统计分析报表的SAS宏程序已经有了一定的探讨~([1-2]),本文主要介绍单因素多水平临床试验定量指标统计分析报表自动实现的SAS宏程序。资料与统计方法     

我国医学期刊中RCT试验的随机质量调查

目的 探讨我国医药期刊中随机对照试验(RCT)论文的随机质量.方法 设计了随机对照试验论文质量评价表,单纯随机抽取了 1995、2000及2005年公开出版的我国医学期刊中137篇题口中出现"随机对照"字样的医学论文,其中符合纳入标准的103篇作为样本,并对被抽取的文献作相关分析.结果 ①随机化:在103篇的被凋盎RCT论文当中,96.1%没有详细地描述采取的随机方法,97.1%未介绍抽样方法.1995年的RCT报告完全没有对随机抽样和随机分组的具体方法加以说明,2000年和2005年在这方而显然优于1995年.②样本:63.1%的论文在文中有清楚描述的诊断标准,另外的36.9%没有.对研究纳入标准和排除标准两者都具体描述的论文仅占50.5%,有26.2%的论文甚至两者都没有写明,而剩余23.3%的论文则只是描述了两者中的任意一个.③分组:69.9%都对分组后组间的基线情况分开介绍,30.1%则末分开介绍;未对组间可比性进行分析的占28.2%.结论 我国医学RCT论文存在随机化方法不够严谨,诊断标准、纳入标准和排除标准遗漏率较高,还有约三分之一的论文将组问的基线情况混在一起交代,说明我国RCT论文的随机质最还有待进一步提高.     

基于网络的最小化随机化分组系统的设盲方法

目的对基于网络的最小化随机化分组系统的分组结果设盲.方法根据临床试验设计的设盲原则,使用VISUAL BASIC脚本编写的（active server pages,ASP）和数据库查询语言（structured querylanguage,SQL）实现对药物编号和治疗组之间的二次随机化,达到药物编号和实际治疗组之间的设盲.结果基于网络的最小化随机分组系统的分组结果被成功设盲,系统用户可以通过因特网使用浏览器得到与当前病人对应的药物编号.结论基于网络的最小化随机化分组系统的可以在双盲的随机化多中心临床试验中广泛应用.     

倾向性评分法简介及其SAS实现

随机对照试验( RCT )被视为评估治疗效果的金标准,其关注效力( efficacy )研究,但是人们的兴趣通常还是集中在评估RCT严格控制的范围之外的真实世界的效果( effectiveness) ,更加重视外部有效性[1].因此,越来越多的研究者使用观察数据来评估治疗效果.在RCT中,受试者被随机分配到治疗组和对照...     

一种新的随机化临床试验设计

本文作者提出一种设计随机化临床试验的新方法。目前常规的随机化临床试验是把所有病例随机地分配到A和B组。这种随机分组的一个重要特点是当病例正式进入试验前,病人和医生都不知道所要用的是A种还是B种疗法。本文提出的新的临床试验设计方案是先把病人随机地分成两组(G_1和G_2)。G_1组为“未征询同意”组。该组病人未经本人同意     

非随机化临床试验中倾向指数的应用

[目的]探讨倾向指数处理非随机化临床试验数据的效果,同时编制出基于倾向指数分层法的SAS程序并加以实现. [方法]运用回归模型计算研究对象的倾向指数,然后按照倾向指数进行分层从而得到一个新的各个协变量均衡的治疗组与对照组样本. [结果]使用五等分分层法对临床试验中的非随机化数据进行处理,分层前两组协变量问的不均衡在分层以后达到了均衡. [结论]在新药临床试验研究中,倾向指数是一种有效的处理非随机化数据的方法.     

Vuong检验在临床研究中的应用及SAS实现

目的探讨用于传统回归与零膨胀回归模型选择的Vuong检验（简称V检验）SAS实现方法及应用。方法介绍V检验的原理及方法并给出实现V检验的SAS宏程序,结合实例,将SAS宏的检验结果与Stata软件进行核对,证明宏程序的正确性。结果应用实例中ZINB模型-2Log Likelihood为44 623,回归模型选择标准（Akaike Information Criterion）为44 665,BIC（Bayesian Information Criterion）为44 819,相比其他模型拟合效果最好;SAS宏程序对ZINB与负二项回归模型V检验结果为30.326 9,>1.96,数据分析应采用ZINB模型;Stata软件的输出V值为30.33,和宏程序检验结果一致。结论 V检验用于判断传统回归和零膨胀回归模型拟合的优劣;SAS宏程序可以实现V检验。     

贝叶斯响应变量适应性随机化模拟预测评价方法初探

目的探索贝叶斯响应变量适应性随机化的模拟预测评价方法,为研究者在临床试验中合理设计随机化方案提供借鉴。方法通过不同参数组合成不同场景,使用R语言编程实现试验模拟过程,构造评价指标,结合模拟试验结果对不同场景作出评价。结果在结局指标为二分类高优变量的两臂临床试验中,可以通过调整分配概率更新频率、固定随机化阶段长度、分配概率算法调节参数及各处理组的先验概率分布,获得理想的检验功效及伦理性。在试验前可以通过提高试验成功界值、降低分配概率更新频率、增加均衡分配期长度三种方法降低试验整体一类错误率,以满足监管部门的要求。结论本研究提出的贝叶斯响应变量适应性随机化模拟预测评价方法可通过设定场景参数模拟试验,从控制一类错误、保证检验效能、提升伦理性等方面较全面评价随机化方案的合理性。     

多中心临床试验随机化竞争入组方式的探讨

目的对于多中心临床试验随机化采用竞争入组的情形,应该共用一个随机分配序列,还是各中心使用各自的随机分配序列,目前未见研究报道。本文将通过探讨整个分配过程中以及分配完成后整体和中心内部的均衡性行为,为多中心临床试验随机化竞争入组方式的选择提供参考和实用性指引。方法以随机化性能较好的大棒法(big stick design,BSD)作为随机化方法,通过设定不同的中心数、样本量以及最大容许不平衡例数(maximal tolerated imbalance,MTI),借助随机模拟的方法,分析两种不同竞争入组方式下整体和中心内部的均衡性行为。结果随着样本量的增加,各中心共用一个序列的过程均衡性变差,而选用各自序列时则保持稳定。随着中心数的增加,各中心选用各自序列的过程均衡性变差,而共用一个序列时变好;多中心共用一个序列时无法通过使用较小的MTI来减少中心内部的不均衡。中心数不是很多时,各中心使用各自序列最终出现严重不均衡的比例非常小。通过模拟可以找到各中心使用各自序列竞争入组比共用一个序列均衡性更优的最小样本量,结果表明最小样本量和中心数存在线性关系。结论如中心数非常多,分配到各中心的例数很少时,可考虑多中心共用一个随机分配序列,但需要持谨慎的态度;其他情况,一般推荐各中心使用各自的随机分配序列。     

疫苗临床试验中统计图形的自动化输出

<正>SAS作为当前主流的统计分析软件而广泛应用于临床试验,其统计分析功能全面、可靠,可满足临床试验统计工作各方面的要求,并且被世界各国药物评审机构所认可。然而SAS的绘图功能相对薄弱,编制通用和具有特点的SAS绘图宏程序,通常需要花费较多的时间~([1])。对于临床试验中一些具有特点的图,如试验流程图、不良事件火山图,在SAS中难以实现或者需要编写非常复杂的绘图语句才能实现。R软件的     

基于SAS/AF的肿瘤临床试验有效性分析的可视化与自动输出

目的 探讨肿瘤临床试验中有效性统计分析的可视化.方法 该研究基于SAS图形模板语言(GTL)构建后端宏程序,利用SAS/AF模块构建前端用户界面并调用基于GTL的SAS宏程序,实现了肿瘤临床试验中常见有效性统计分析的可视化以及自动化输出.因为SAS是临床试验的推荐程序,因此SAS软件的可视化对于临床试验研究有较好的应用...     

单组目标值临床试验的统计学考虑

<正>随机对照临床试验(randomized controlled trial,RCT)是临床研究的金标准,药物/医疗器械临床研究中,尤其是提供关键证据的临床研究中一般均采用RCT。在极少数的医疗器械临床试验中,如采用随机对照试验,会存在伦理学风险,致使临床操作不可行。在此情况下,单组目标值(single-arm objective performance criteria,OPC)临床试验不失为一种替代策     

临床试验评价(续)——为什么要随机化

此文讨论必须随机化的原因,以及不能采用其它分组方法的理由。下面两篇文章将说明单纯随机(即相当于掷硬币)和部分随机的程序。随机化临床试验仍然是比较各种治疗效果的可靠方法。(15)随机化的目的是什么? ——避免选择性偏性。     

利用计算机进行区组随机分组的一种新方法及其应用

计算机产生的一组随机数是均衡分布于 0 - 1之间 ,利用该原始随机数进行区组随机分组 ,通常的方法有取整数法、取余数法 ,但这些方法均无法避免因简单随机产生的不平衡 ,特别是区组内 ,一般人们往往对原始随机数进行人为干预 ,例如删除、重新产生、人为指定等 ,以获得区组内平衡。本文描述了一种新方法———排序法 ,该法不需要对随机数进行上述人为干预 ,在简单处理后通过两次排序即可实现区组化随机分组。只要有产生随机数和能进行排序的计算机软件 ,均可运用本法实现区组化随机分组 ,本文例子采用的是JMP软件。临床试验设计中往往需进…