率的非劣效试验中样本含量的估计——SAS和PASS实现

目的 提供二分类定性资料平行设计非劣效临床试验样本含量最常用的计算公式及其 SAS和PASS过程,并为相关参数的设置提供参考。方法 基于二项分布的正态近似理论推导样本含量的估计公式,通过SAS程序和PASS过程探讨各重要参数（样本率、非劣效界值）变化时样本含量及检验效能的变化情况。结果 对率的非劣效试验样本含量的计算,公式、SAS程序和PASS过程能得到一致结果;当检验水准和对照组样本率确定时,试验组样本率越大、检验效能越小、界值越大,所需样本含量越小。结论 利用本文提供的公式、SAS程序和PASS过程,可以帮助研究者系统快速得到二分类资料2组平行非劣效设计时的样本含量。试验组样本率、检验效能和非劣效界值是非劣效临床试验估计样本含量必须认真考虑的参数。     

安慰剂和阳性药对照的三臂非劣效临床试验的样本含量估计和统计推断

目的 介绍一种基于非劣效界值为标准对照药效应一部分的三臂非劣效临床试验的样本含量估计和统计检验的方法.方法 在介绍Pigeot法的基础上,实例探讨了如何计算样本含量及确定非劣效界值,并用模拟的方法比较了Pigeot法与传统检验方法的检验效能.结果 相同样本含量时Pigeot法的检验效能更高.结论 Pigeot法充分利用了所有样本量的信息,提高了检验效率,降低了临床试验的成本.     

临床试验中生存分析的非劣效研究设计及R软件实现

近年,非劣效性临床试验在药品开发中已有广泛的应用,统计学上关于试验药物相对于阳性对照药物的非劣效性评价方法已有多种,但主要集中在终点指标为二分类或正态连续型数据的临床试验[1].当观察指标为生存时间(survival time)时,可能包含截尾数据(censored data),则缺少相应的非劣效性评价方法,主要原因是生存分析设计背景下非劣效性的定义较为困难[2].本文拟介绍一种基于生存时间指数分布模型,假设对照组死亡风险率λ0与试验组死亡风险率λ1之比为常数ρ,并在此基础上定义非劣效界值的分析方法,结合实例介绍其试验设计和统计检验方法,同时给出R软件实现程序.     

基于中心效应和临床界值的多中心临床试验评价方法学探讨

多中心临床试验考虑中心效应进行疗效评价时,需参考临床界值(如等效界值或非劣效性界值)进行统计分析,但经对国内外文献检索,发现有关文献报道极少.有小部分等效性或非劣效性研究结果,基于中心效应检验无统计学差异的情况下,计量资料应用两组资料的t检验,分类资料应用两组资料的U检验,或应用均数或有效率的可信区间进行统计分析;多数文献未考虑中心效应,直接应用两组计量资料的t检验,或两组分类资料的U检验,或均数或有效率的可信区间进行统计分析.     

三臂非劣效性设计生存时间数据的半参数统计推断方法

目的 推荐并改进一种用于新药临床试验中生存分析三臂非劣效性设计的半参数统计推断方法.方法 采用Cox比例风险模型建立用于生存时间数据的三臂非劣效检验方法,通过模拟试验验证该方法的有效性,并给出样本含量估计的R语言程序.结果 模拟试验结果证实,在样本删失风险率维持在一定水平时,三臂Cox模型能有效地控制Ⅰ类错误发生概率,并保证较高的检验效能,实际应用简单有效.结论 本文推荐的方法,可以有效地应用于三臂生存时间数据的非劣效性研究.     

临床试验配对二项数据基于率比的非劣效性/等效性评价

在新药及医疗器械的临床试验中，经常会遇到采用阳性对照、以率作为主要指标，需要对两组率之间非劣效性／等效性进行评价的情形，关于两个独立组率之间非劣效性／等效性评价的统计学方法已有较多介绍，但是对于配对二项数据两组率之间的非劣效性／等效性评价统计学方法的研究和应用还不是很多。文献报道中，配对二项数据两组率间的非劣效性／等效性评价的界值可基于三种测量：率差、率比和比数比。     

基于相对度量指标的非劣效界值计算方法的比较

目的美国FDA在其非劣效临床试验指南中提供了两种基于相对度量指标的非劣效界值计算方法,一种是与绝对度量指标非劣效界值计算方法相对应的对数转换法(简称对数转换法),另外一种是直接基于相对风险的计算方法(简称直接计算法)。本文探讨了这两种方法计算结果的差异,以评估该差异对非劣效试验结果的影响。方法以风险比(hazard ratio,HR)为例,指代阳性对照药与安慰剂的疗效差异的保守估计值,从计算公式上阐述两种方法的关系,并展示两种方法在高优与低优指标中计算得到的非劣效界值的差异。结果当HR在0.80~1.25时,两种方法计算得到的非劣效界值差别在1%以内;当HR越远离1,差别越大。当取相同的效应保留比例f时,直接计算法计算出的非劣效界值总大于对数转换法,此时会导致低优指标使用直接计算法计算出的界值相对更激进,而高优指标则相对保守。当设定相同的非劣效界值δ时,对于低优指标,使用直接计算法所需设定的效应保留比例f高于对数转换法,对于高优指标则相反。结论在以相对度量指标作为主要评价指标的非劣效试验中,研究者应该认识到这两种计算方法对非劣效界值设定和试验结论的影响,综合考虑临床实践和试验药物的获益-风险等,慎重选取非劣效界值。     

率指标非劣效性界值设定范围的探讨

目的 探讨非劣效试验研究中率指标非劣效性界值的设定问题.方法 从一个实例入手,通过理论推导与软件模拟相结合,分析不同样本量及样本率条件下非劣效性界值的变化.结果 非劣效性界值△主要由两部分组成:△(～)△E+△0,即非劣效性界值的最低要求限△0和期望检验的最大率差△E.当样本量相同时,样本率越接近0.5,则△值越大.当样本率相同时,随着样本量的增大,△值逐渐减小.结论 非劣效性试验中率指标非劣效性界值的设定应同时考虑最低要求限△0和期望检验的最大率差△E,这将为实际工作提供指导和参考.     

非劣效性临床试验中两组率差值的协变量调整方法

目的 解决新药非劣效性临床试验评价中两组率差值的协变量调整问题.方法 利用ROC曲线与两组率差值的对应关系,通过ROC分析间接得到调整协变量之后两组率之差的估计值及标准误.结果 给出了一种新的非参数分层分析方法,如果协变量对有效率有影响,可以通过调整分析得到更准确的检验结果.结论 本文提供的方法能够更直观、有效地对新药临床试验的数据进行非劣效性评价.     

多个连续性共同终点非劣效临床试验的样本量估计

目的针对多个以连续性正态分布变量作为共同终点的非劣效临床试验,探讨保护全局把握度的样本量估计方法。方法在阐明优效性临床试验多个连续性共同终点样本量估计的理论基础上,扩展提出了关于非劣效临床试验多个连续分布共同终点的样本量估计方法。结合临床麻醉学中一个重复测量终点非劣效临床试验的实际案例,基于其预试验的相关结果,在不同的I类错误水平、各重复测量间不同的相关系数、不同的非劣效界值设定下,估计了满足一定的全局把握度(例如80%)的样本量,并借助Monte-Carlo模拟方法对估计结果进行验证。结果本文介绍的非劣效临床试验多个连续性正态分布共同终点的样本量估计方法具有严密的统计理论基础,表明能较好的保护全局把握度,结合实际案例进行的样本量估计结果模拟研究验证了方法的正确性。结论本文为非劣效临床试验多个连续分布共同终点的样本量估计提供了方法学支持,具有较强的实用价值。     

非参数模型在以等级资料为终点的非劣效性临床试验中的应用及SAS实现

近年来,随着临床试验研究的不断深入,越来越多的临床试验被设计成非劣效性试验,用来评价新药非劣效于标准有效药物.在非劣效性试验中,试验目的不再是为了证明新药优效于标准有效药,而是只要证明新药非劣效于标准有效药疗效即可.     

含安慰剂组三臂临床试验基于bootstrap再抽样的非劣效评判

目的探讨含安慰剂组三臂临床试验基于bootstrap再抽样的非劣效评判的方法。方法用Monte Carlo模拟方法,产生服从正态分布、对数正态分布和Gamma分布的随机样本,进行Welch校正t检验法和bootstrap法的α-模拟和power模拟的验证和比较。结果当数据服从正态分布,在样本量较大时,Welch校正t检验法和bootstrap法均表现出较好的统计性能,但当数据呈偏态分布时,Welch校正t检验法的第一类错误率会偏离预先给定的α-水平,而bootstrap法在样本量较大时,第一类错误率基本保持在预先给定的水平。Welch校正t检验法和bootstrap法的power模拟结果基本相同。结论含安慰剂组的三臂临床试验在数据不服从正态分布时,bootstrap法可作为一种有效的非劣效评判方法。     

线性回归模型在等效性、非劣效性中的应用及其SAS实现

目的针对医学研究中常见的定量资料等效性检验、非劣效性检验存在的问题,探讨应用线性回归模型理论进行定量资料的等效性检验、非劣效性检验,并给予统计软件技术上的支持。方法从线性回归模型的构造出发,根据模型中参数的统计学意义,结合等效性检验、非劣效性检验原理,利用SAS统计软件包,结合实例,编写程序,并计算相应的统计量。结果分别对平行设计和多中心设计的定量资料进行统计学检验,并对主要输出结果进行了解释。结论探索出在临床研究中利用线性回归模型,通过SAS软件包进行统计学检验的途径,并为类似问题的解决提供了理论参考。     

随机模拟法验证非劣效临床试验样本量计算公式

目的探讨并验证非劣效临床试验样本量计算方法。方法通过理论公式的推导，得到非劣效临床试验样本量计算公式，并用随机模拟的方法，使用该公式计算出的样本量估计实际的检验效能，以验证公式的正确性。结果由概率论严格推导得到样本量计算公式，并通过SAS随机模拟宏程序验证了公式的正确性，即模拟出的检验效能与最初带入公式计算时设定的预期的检验效能一致。结论样本量计算与临床试验设计有机结合的方法，解决了现行临床试验样本量计算方法与研究设计脱节的问题。     

Newcombe-Wilson得分方法在有效率为100％非劣效临床试验中的应用

目的 探讨试验组和对照组实际有效率为100％的非劣效临床试验的设计和推断方法.方法 分别介绍获得率差的传统正态近似方法和Newcombe-Wilson得分方法的基本理论,再通过实例计算两组率为100％时的率差及合理的试验设计.结果 Newcombe-Wilson得分方法解决了两组有效率都为100％率差置信区间的计算问题;实例采用传统近似正态进行试验设计,保守估计成功率为98％,非劣效界值取10％时,每组样本为33例, 当实际成功率都为100％,两组率差点估计和95％置信区间估计为0.0％(-10.4％,10.4％),试验失败.结论 Newcombe-Wilson得分方法能够计算非劣效临床试验中试验组和对照组有效率都为100％率差的置信区间;在高成功率非劣效试验设计中还应考虑Newcombe-Wilson得分方法进行试验设计.     

三臂非劣效临床试验的评价方法

在新药临床试验中,经常需要使用非劣效性试验的方法,例如一种新药可能具有成本低、毒性小或者容易给药等特点,虽然其有效性可能会比阳性对照药物(标准组)差一些,但如果能够证明它在允许的范围内疗效不低于阳性对照药物,则可以推广使用.长期以来,针对如何更好地设计非劣效临床试验进行了很多的研究[1-6],但仍存在一些争议,如非劣效性界值(δ)的确定[7-8]、"生物爬行现象(bio-creep)"等问题[9-10].     

存在缺失数据的非劣效临床试验中不同分析方法的模拟比较研究

目的探讨适用于非劣效试验设计下重复测量数据的统计分析方法。方法基于某临床研究的基本指标,应用Monte Carlo模拟方法,分别模拟出完整的重复测量数据和不同缺失机制下不同缺失比例的数据;运用不同的统计分析方法对模拟数据进行统计分析,通过检验效能、Ⅰ类错误等指标比较不同分析方法的性能。结果完整数据下,多数的统计分析方法均能达到或近似达到较理想的检验效能和Ⅰ类错误;存在数据缺失的情况下,基于非结构化协方差矩阵的重复测量混合效应模型（mixed-effect model repeated measure,MMRM）和不同协方差结构的广义估计方程（generalized estimated equation,GEE）表现出良好的稳定性,能在保证足够检验效能的情况下,有效的控制Ⅰ类错误;非劣效试验设计下,不同缺失比例的模拟结果均显示,末次结转（last observation carried forward,LOCF）的方法会低估组间的差异,造成Ⅰ类错误膨胀。结论基于非劣效试验设计的重复测量数据,当数据存在缺失时,LOCF结转方法会低估组间的差异,造成I类错误的膨胀,不再是一种保守的缺失值处理...     

一种临床试验中的适应性样本量调整方法

目的介绍一种临床试验中的适应性样本量调整方法,并探讨样本量调整后统计分析方法的第Ⅰ类错误率及检验效能。方法通过montecarlo模拟的方法研究n1大小对最终样本量Nf的影响,并估计最终方差偏移大小;同时模拟研究样本量调整后统计分析方法的第Ⅰ类错误率及检验效能大小。结果(1)模拟结果显示运用该样本量调整方法所得到的最终样本量Nf非常接近其真实值N0,尤其在π=0.4时进行样本量调整。(2)同时模拟结果显示所介绍的样本量调整后的校正t检验方法不仅能有效控制第Ⅰ类错误率α并且能充分满足试验检验效能(1-β)。结论该样本量调整方法研究结果是在一般两样本单侧t检验条件下得到也可应用于优效或非劣效设计的临床试验中。     

德尔菲法研究光学矫正用软性亲水接触镜临床试验主要指标及非劣效界值

目的通过问卷征询专家意见,研究光学矫正用软性亲水接触镜临床试验的主要指标,并估算其非劣效界值。方法采用德尔菲法,通过两轮问卷征询眼科临床专家的意见。问卷数据均建立Epi Data数据库导入SAS 9.3进行统计分析,历史数据的meta分析则用Stata 12.0进行。结果两轮的专家积极系数分别为100%和93.75%;协调系数分别为0.354和0.517,均有统计学意义;专家权威系数的总平均得分为0.87±0.12。第一轮,校正评分均数最高的3项二级疗效性指标分别为矫正视力、视力稳定性和视力清晰程度,3项二级安全性指标则为角膜缘充血、角膜点状染色和角膜水肿;第二轮,估算的非劣效界值分别为矫正视力(-9.25%)、视力稳定性(-8.91%)、视力清晰程度(-8.80%)、角膜缘充血(-10.93%)、角膜点状染色(-8.95%)和角膜水肿(-8.34%)。结论光学矫正用软性亲水接触镜临床试验的主要指标有矫正视力、视力清晰程度、视力稳定性、角膜缘充血、角膜点状染色和角膜水肿;各主要指标的非劣效界值估算值均在-11%~-8%范围内,且不同指标存在一定的差异。考虑到临床实际,酌情将非劣效界值制定为-12%~-10%更为合理可行。     

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。