<第四军医大学学报>1997/1999年引文分析

目的 分析《第四军医大学学报》（简称《学报》）近３８所进刑罚化文的引文,以从文《学报》的专业水平和抻物特色进行评估时参考。方法 用文献计量学方法,采用非典型数据统计分析软件ＮｏＳＡ处理数据,统计６７８篇语文引头的引文量引文发表时间、引文时差、普赖斯指数、引文语种、文献类型和自引率。结果 论文引文率１００％,总引文量５３７５６要,平均引文７,９篇,引用近ａ的文章占９５．６％,半衰期为５．４ａ,３ａ的     

最小化随机分组使用常规统计检验方法的Ⅰ型错误和检验效能

目的:采用觉规统计分析方法,分析最小化随机分组资料后的Ⅰ型错误和检验效能.方法:采用Monte Carlo模拟的方法,计算最小化随机分组的资料使用常规协方差分析的Ⅰ型错误和检验效能,并与简单随机化、中心分层区组随机化分析的结果进行比较.结果:简单随机化、中心分层区组随机化和最小化随机分组的资料采用协方差分析后,Ⅰ型错误均保持在0.05左右.3种分组方法的检验效能接近,无明显差异.结论:最小化随机分组的资料可采用常规的协方差分析方法,并能将Ⅰ型错误保持在0.05左右且不降低检验效能.     

偏最小二乘回归的离群点检测方法

目的本文研究了偏最小二乘回归中四种重要且常用的离群点检测图示方法:偏F检验、残差图与正态分位数图、主成份图(T/T图)与T2椭圆、样本点贡献图.方法通过实例分析了各种方法的优点和不足.结果离群点的检测与分离将有助于模型拟合精度和预测精度的提高.结论研究表明必须综合运用这些方法,并结合原始数据,才能取得比较好的检测效果.     

基于指数分布的生存资料盲态下样本量再估计方法

目的针对生存分析样本量再估计的适应性设计临床试验,本文基于指数分布,提出盲态下生存资料的样本量再估计方法。方法采用蒙特卡洛模拟方法,预设4个期中分析时间点,以参数初始估计值M_(10)为均数暂定搜索范围为M_(10)_±0.5M_(10),在该搜索范围内产生指数分布随机数对期中分析时的截尾生存数据进行填补,对填补后的数据进行极大似然估计,得到试验参数的再估计值M_1,若M_1落在搜索范围外,则需更改搜索范围以包含M_1,并重新进行搜索直至M_1落在搜索范围内,此时的M_1即为试验参数的再估计值,在此参数的基础上重新估计样本量,并比较4个期中分析点的样本量再估计结果,确定1个最合适的期中分析时间点。结果经过期中分析调整后的样本量接近真实值,且期中分析时间点越向后移,样本量估计结果越接近真实值,变异越小。结论建议在入组结束并完成1/4最短随访时间时进行一次期中分析重新估计样本量,根据估计结果考虑是否增加样本量。     

SPLM软件的扩充内容介绍

ＳＰＬＭ全中文交互式线性模型拟合统计软件自１９８９年推出以来，受到国内同行的赞誉，并在医学院校和基层医院得到广泛的应用。近年来对ＳＰＬＭ软件作了较大的补充和完善，提供了友善的用户界面，可同时使用下拉菜单和命令操作方式；增加了生存分析、常用统计图形、重复观测数据模型等功能。本文简要介绍了这部分新增功能。     

临床试验中自适应设计的urn模型和RPW规则及其模拟

目的：探讨临床试验中设计驱动型自适应设计的优缺点及适用范围．方法：通过对基于概率罐子（urn）模型的随机化胜者优先（RPW）规则的原理分析得出期望分配公式,并据此进行蒙特．卡罗（MonteCarlo）计算机模拟．结果：假定总体成功率分别为PA,PB的两处理临床试验,当PA,PB不相等且PA＋PB〈1．5时,采用RPW规则能够将更多的受试者分配给成功率较高的处理组．结论：RPW规则可适用于临床试验中有一定响应延迟的情况,通过选择合适的RPW初始参数可减少样本方差,增加试验的稳定性．     

真实世界研究中个人信息和隐私保护的考虑要点

真实世界数据(RWD)/真实世界证据(RWE)的应用已成为当前热点话题,临床研究开展过程中受试者个人信息和隐私保护问题同样日渐引起关注。本文基于相关的法规和技术指南,结合RWD的主要来源及特点,讨论在真实世界研究(RWS)开展过程中受试者个人信息和隐私保护的关注要点,以期为更好地应用RWD/RWE及规范RWS中数据治理的关键环节提供有益的参考。     

肿瘤新药Ⅱ期临床试验中的多阶段设计

在肿瘤新药Ⅱ期临床试验中，往往要对多个瘤种、多种剂量或用法进行探讨，目的是淘汰无效剂量、筛选敏感瘤种，以便进一步深入研究。当某试验组疗效未达到预期效果时，研究者希望尽可能早地终止该试验组的研究，避免更多的受试者接受无效的治疗。本文介绍多阶段设计，包括单阶段设计、二阶段设计和三阶段设计的统计学原理和设计思路，并提供各阶段设计所需样本含量和早期终止的价值，并以实例说明。     

新药临床试验数据中计数资料统计分析的SAS宏实现

基于SAS软件中的FREQ与CORR过程，设计新药临床试验中计数资料统计分析的SAS宏，结合实例对其各项参数的含义及其可实现的功能做了详细说明。通过调用此SAS宏程序，能直接产生出各种类型计数资料的SAS统计分析报表，实现了分析内容的客户定制化以及结果输出的规范化，大大提高了新药临床试验中针对该类数据统计分析过程的工作效率和质量。