检索结果-内蒙古大学图书馆

中国卫生统计 2022年第4期39卷 542-544,549页

作者：傅利强陈思敏吴海燕谭旭辉南方医科大学公共卫生学院生物统计学系 510515

目的在大样本条件下,比较成组序贯设计中基于实际信息量的不同临界值校正方法之间的差异。方法基于O′Brien-Fleming(OBF)法和指数损耗函数法,通过设定不同的参数以及匹配条件,比较线性插值校正法、OBF损耗函数校正法、指数损耗函数校... 详细信息

目的在大样本条件下,比较成组序贯设计中基于实际信息量的不同临界值校正方法之间的差异。方法基于O′Brien-Fleming(OBF)法和指数损耗函数法,通过设定不同的参数以及匹配条件,比较线性插值校正法、OBF损耗函数校正法、指数损耗函数校正法之间的I类错误α和功效Power的差别。结果当设计方法为OBF法和指数损耗函数法(ρ=2)时,与之相匹配的OBF损耗函数校正法、指数损耗函数校正法(ρ=2)以及线性插值校正法均能将I类错误控制在0.05,功效Power控制在0.9;当设计方法为指数损耗函数法(ρ=1或ρ=3)时,与设计方法不匹配的校正方法仍可将I类错误维持在0.05左右,但功效Power明显偏离0.9。结论在进行成组序贯期中分析时,线性插值校正法作为通用方法能够适用于各类设计,损耗函数校正法只适用于已知损耗函数形式的设计。

关键词：成组序贯设计信息量临界值校正线性插值法

来源：评论

学校读者我要写书评

暂无评论

成组序贯设计生存资料模型构建及样本量估计SAS宏实现

成组序贯设计生存资料模型构建及样本量估计SAS宏实现

引用

作者：赵佳第四军医大学

学位级别：硕士

与传统的试验类型不同，序贯设计一般适合周期长的试验，它连续不断的招募受试者入组试验，随机分配受试者到每个治疗组和对照组，累积得到试验目标的事件数或达到计划的时间，时间可以是数周、数月或数年[1]。当累积的事件数达到预期... 详细信息

与传统的试验类型不同，序贯设计一般适合周期长的试验，它连续不断的招募受试者入组试验，随机分配受试者到每个治疗组和对照组，累积得到试验目标的事件数或达到计划的时间，时间可以是数周、数月或数年[1]。当累积的事件数达到预期数量或试验进展到计划的时间时，由独立的数据监察委员会[2]进行期中分析比较各个治疗组与对照组的治疗效果，并评价试验药物的安全性，期中分析的结果可允许申办者提早结束试验[3]，大大增强了临床试验的可操作性，节约临床试验成本[4]，提高临床试验质量，提早发现试验过程中存在的危险因素。生存数据与其它数据类型不同[1]，因为生存分析是综合评价终点事件是否发生和观察开始到终点事件发生时间的分析方法，常用于比较试验各组的生存曲线，结合期中分析评价生存数据已经成为临床试验的普遍做法[5]。由于序贯设计生存数据设计复杂，期中分析需要使用 alpha消耗函数控制I型错误率在名义检验水准的范围内，传统的公式法估算的样本量操作困难，结果也不够准确[6]。样本量的估算主要与序贯设计的alpha消耗函数、生存时间的分布类型、生存数据的相关参数和生存曲线比较的检验方法等有关。本文在文献回顾中介绍了序贯设计常用的alpha消耗函数 Pocock、O’Brien-Fleming、Hwang-Shih-DeCani和Alpha*Time消耗函数[7]，重要的生存数据参数中位生存时间、风险率、死亡率和生存率，以及生存函数比较的方法 log-rank[8]、似然比检验（Likelihood Ratio）[9]、Gehan-Wilcoxon[10]、Tarone-Ware[11]、Peto-Peto[12]、Modified Peto-Peto[13]和Fleming-Harrington[14]检验。针对成组序贯设计生存资料设计和样本量估计的难题，在正文中做了如下两方面的研究：\n 1．构建序贯设计生存数据模型并对模拟数据进行分析\n 基于生存资料的参数构建了生存数据模型，囊括了从生存数据产生、数据整理、数据分析到估算试验样本量验证模拟结果。根据生存时间的分布类型指数分布或Weibull分布[15]模拟生存数据的生存时间和脱落状态，计算模拟数据的中位生存时间及给定时间点的风险率、生存率或死亡率，以模拟的指数分布数据为基础推算受试者的删失状态，分别按照日历时间和信息时间计算模拟数据每次期中分析和期末分析的期望事件数和实际事件数[16]。用SAS的Lifetest过程步比较两组生存曲线，计算标准正态分布Z值和alpha消耗函数的边界值。之后用Monte Carlo的方法重复模拟试验[17]，比较模拟数据的生存函数，对标准正态分布Z k值和序贯设计边界值Ck进行比较[6]，如果Zk＞Ck，试验模拟成功，否则，试验模拟失败；最终完成SAS程序对生存数据资料的模拟和分析。\n 2．基于模拟试验的成组序贯设计生存资料样本量估计\n 对构建序贯设计生存数据模型的SAS程序进行整理，编写完成SAS宏程序。基于成组序贯设计生存资料实例，估算固定试验样本量条件下累积的检验效能，并与PASS软件估算的结果进行比较，再估算达到指定检验效能所需的样本量。比较SAS宏程序指定不同的alpha消耗函数和假设检验方法条件下，实例心脏支架试验所需的样本量估计结果[18]。\n 通过使用不同 alpha消耗函数和检验方法对实例的样本量进行估算，可以证实O’Brien-Fleming消耗函数最保守，达到目标累积检验效能需要的样本量较少。Hwang-Shih-DeCani(gamma)消耗函数非常灵活，当gamma小于0时，alpha消耗曲线为下凹曲线，gamma值越小下凹幅度越大，当gamma大于0时，alpha消耗曲线为上凸曲线，gamma值越大上凸幅度也越大。Hwang-Shih-DeCani(gamma)消耗函数达到目标累积检验效能需要的样本量均和O’Brien-Fleming消耗函数接近。Pocock消耗函数的每次消耗的alpha值都比较多，达到目标累积检验效能需要的样本量也最大。Alpha*Time(gamma)消耗函数也可以设置不同的参数值gamma，当gamma等于1时，alpha消耗曲线走势接近Pocock消耗曲线，但消耗了较少的alpha值。当gamma大于1时， alpha消耗曲线为下凹曲线， gamma值越大，下凹幅度也越大。Alpha*Time(gamma)消耗函数达到目标累积检验效能需要的样本量最少。\n 本文主要的研究成果是编写了两套SAS程序，第一套程序可以构建不同分布的生存资料模型，并考虑了成组序贯设计的期中分析次数、alpha消耗函数和脱落情况等进行模拟分析，可以为研究者提供大量的试验信息，反应出大规模临床试验的表现特

关键词：成组序贯设计生存数据期中分析样本量估计临床试验药物研发

来源：评论

学校读者我要写书评

暂无评论

贝叶斯期中分析与经典期中分析在成组序贯设计中的比较

引用

南方医科大学学报 2015年第11期35卷 1638-1642页

作者：原玲玲詹志颖谭旭辉南方医科大学人文与管理学院广东广州510515 南方医科大学生物统计学系广东广州510515

目的比较贝叶斯期中分析与经典方法的期中分析的差异。方法以对照组(Control)和试验组(Treatment)的两样本均数比较为分析目的,即θ=μT-μC(θ越大疗效越好),建立H0:θ≤0;H1:θ>0的优效性假设检验(拒绝H0,即支持处理组疗效)。按照... 详细信息

目的比较贝叶斯期中分析与经典方法的期中分析的差异。方法以对照组(Control)和试验组(Treatment)的两样本均数比较为分析目的,即θ=μT-μC(θ越大疗效越好),建立H0:θ≤0;H1:θ>0的优效性假设检验(拒绝H0,即支持处理组疗效)。按照成组序贯设计的数据要求,在每次期中分析时刻,计算各种先验分布的贝叶斯期中分析Ⅰ类错误、功效、平均样本量、平均阶段数等指标。结果在Pocock和O'Brien&Fleming设计中,Skeptical先验和Handicap先验的Ⅰ类错误ε均能控制在0.05左右。当O'Brien&Fleming和Pocock方法功效在80%时,基于Handicap先验和Skeptical先验的贝叶斯功效相对来说明显较低,而基于Non-informative先验和Enthusiastic先验的贝叶斯功效则明显较高。结论 Skeptical先验和Handicap先验的贝叶斯期中分析能较好的控制Ⅰ类错误ε,基于Skeptical先验和Handicap先验的贝叶斯期中分析相对于O'Brien&Fleming方法均能够明显增加试验提前终止的可能性,而对于Pocock方法则没有太大实际意义。

关键词：成组序贯设计贝叶斯期中分析先验分布

来源：评论

学校读者我要写书评

暂无评论

随机缩减法在拒绝型O’Brien & Fleming成组序贯设计中的应用研究

引用

中国卫生统计 2019年第2期36卷 167-170,175页

作者：刘伟杰谭旭辉南方医科大学公共卫生学院生物统计学系 510515

目的比较随机缩减法中条件功效和不同先验分布下的预测功效两类指标的优劣。方法以试验组和对照组的两样本均数比较的统计优效性检验为分析目的,在拒绝型O’Brien&Fleming(OBF法)成组序贯设计的条件下,通过设定不同SCP的拒绝阈值γ... 详细信息

目的比较随机缩减法中条件功效和不同先验分布下的预测功效两类指标的优劣。方法以试验组和对照组的两样本均数比较的统计优效性检验为分析目的,在拒绝型O’Brien&Fleming(OBF法)成组序贯设计的条件下,通过设定不同SCP的拒绝阈值γ,在每个期中分析阶段计算CP及不同先验下的PP,并计算各指标相应的Ⅰ类错误、检验功效Power、平均样本量以及平均阶段数。结果当SCP终止条件为γ=0.80,无信息先验PP的Ⅰ类错误能稳定在0.05处左右,而CP和enthusiastic先验PP的Ⅰ类错误则出现明显膨胀;当SCP终止阈值为0.85和0.90,能明显抑制CP和不同先验下的PP的Ⅰ类错误的膨胀;当五阶段OBF功效设定在90%及SCP终止阈值为0.80的条件下,CP、无信息先验PP以及enthusiastic先验PP功效分别为87.6%、84%和86.5%。结论在期中分析次数较多的OBF成组序贯设计条件下,无信息先验PP效果优于CP;在阳性研究中,SCP能大幅减少成组序贯试验所需的期望样本量和期望阶段数。随着SCP终止阈值的增大以及期中分析次数的减少,CP和不同先验PP的功效均会出现明显的下降,而CP和不同先验PP的Ⅰ类错误的膨胀则会被抑制。随机缩减法相关指标对于临床试验有效性监测具有较高的参考价值。

关键词：成组序贯设计随机缩减法贝叶斯先验分布

来源：评论

学校读者我要写书评

暂无评论

基于内部预试验的样本量重估计在成组序贯设计中的应用研究

引用

中国卫生统计 2020年第6期37卷 818-821,827页

作者：吴海燕刘伟杰傅利强谭旭辉南方医科大学公共卫生学院生物统计学系 510515

目的使用内部预试验解决成组序贯设计中方差未知时样本量估计的问题,同时得出内部预试验适宜的样本量。方法以两样本均数比较的优效性检验为分析目的,利用损耗函数法在拒绝型成组序贯设计下,通过设定不同的内部预试验样本量、方差真实... 详细信息

目的使用内部预试验解决成组序贯设计中方差未知时样本量估计的问题,同时得出内部预试验适宜的样本量。方法以两样本均数比较的优效性检验为分析目的,利用损耗函数法在拒绝型成组序贯设计下,通过设定不同的内部预试验样本量、方差真实值和方差估计值,计算方差重估法的Ι类错误、功效Power和平均样本量。结果方差估计正确时,方差重估法能控制Ι类错误,功效和平均样本量随着内部预试验样本量n 0的增加而增加,当n 0≥20时能获得较好的功效和适宜的平均样本量;方差估计错误时,方差重估法同样能控制Ι类错误且不会出现传统成组序贯设计中功效过高或过低的情况,当标准差估计值s为10,标准差真实值σ分别为6、8、12和14时,该方法的功效分别为0.895、0.886、0.887和0.887。结论方差重估法能有效解决成组序贯设计中方差未知的问题,避免了方差错误估计时导致的功效异常。

关键词：成组序贯设计内部预试验样本量重估计方差重估计

来源：评论

学校读者我要写书评

暂无评论

临床试验中成组序贯设计的关键技术探讨

临床试验中成组序贯设计的关键技术探讨

引用

作者：蒋志伟第四军医大学

学位级别：博士

成组序贯设计允许在试验过程中对已累积数据进行期中分析，评价试验药物的有效性和安全性，若已累积数据有足够证据说明试验药物有效或无效则可提前结束试验。与传统的试验设计方法相比，成组序贯设计具有更强的灵活性；由于期中分析为... 详细信息

成组序贯设计允许在试验过程中对已累积数据进行期中分析，评价试验药物的有效性和安全性，若已累积数据有足够证据说明试验药物有效或无效则可提前结束试验。与传统的试验设计方法相比，成组序贯设计具有更强的灵活性；由于期中分析为提前结束试验提供了可能性，成组序贯试验往往可以节约试验样本量，缩短试验周期，节约资金，而且更符合伦理学的要求。此外，从试验管理的角度来讲，成组序贯设计对数据的期中评价也可使研究者和监察员尽早发现试验中存在的问题，有利于改善试验质量。目前，成组序贯设计在国外临床试验中已经得到了一定的应用，而它在我国临床试验中的应用却仍尚处在起步阶段，因此，促进成组序贯设计在我国临床试验中的引用，解决其在实际临床试验中应用的关键问题成为了国内生物统计工作者的任务之一。成组序贯设计在临床试验中应用的关键性问题包括：期中分析次数和时间点的确定、多次检验带来的试验总I类错误控制问题和样本量的估算等。特别是对于生存数据资料，由于其资料的特殊性，如数据参数分布状态不明、截尾数据的存在、脱落病例处理的特殊性及受试者入组情况的影响等，该类型试验的样本量估计一直是临床试验中样本量估计问题中的难点。另一方面，在常见的成组序贯设计方法中，α消耗函数方法由于其本身的灵活性，最常被用于成组序贯试验中来，它通过描述试验所犯I类错误消耗形式计算期中分析的名义检验水准，可以有效的控制试验的总I类错误。但是，在试验设计的最优序贯检验方案的选择探讨过程中，α消耗函数中呆板的函数形式并不利于临床研究者的理解和交流；条件检验效能的概念则可成为临床研究者交流的有力工具。但是，条件检验效能的缺陷在于基于条件检验效能的随机缩减方法并没有给出一种在实际临床试验中切实有效的I类错误控制方法。针对以上问题，本文从以下两方面着手展开研究，主要研究内容包括： 1．基于模拟实验的生存数据资料成组序贯试验的样本量估计考虑到生存数据资料的特殊性和模拟实验方法的灵活性。本研究采用MonteCarlo模拟实验方法计算生存数据资料成组序贯试验的样本量大小，并编写了相应的SAS宏程序%ngssur。以其它方法相比，该方法具有在实际临床试验中简单易行、易于实施的特点；它不仅考虑了描述生存数据资料最为常见的指数分布，而且将更适合描述医学研究中生存数据的Weibull分布纳入其中；鉴于该类型临床试验中脱落病例处理的特殊性，该方法在样本量模拟计算过程中即纳入考虑脱落率因素，以得到更准确的样本量估计值；同时，由于受试者入组情况，包括入组时间、入组速度与入组分布的难以预测，该方法假定在试验队列中，只有当前一名受试者完成试验，后一名受试者才可进入队列，简化了临床试验的模拟流程和期中分析数据形式，使其在临床试验样本量估计的实际应用中具有更强的可操作性，而且期中分析的存在使该假定带来的保守样本量估计值不会对实际成组序贯试验造成很大影响。此外，该方法将试验样本量估计和最优序贯检验方法的模拟选择过程合二为一，它不仅可以计算试验所需入组样本量大小、预计发生总事件数，而且通过计算期望事件数、各阶段的单阶段经验检验效能和累积经验检验效能等评价指标以供比较选择最优的序贯检验方案。但是，该方法仅适用于仅考虑因有效而提前结束的双臂成组序贯试验。考虑到当生存数据资料服从于Weibull分布时，形状参数γ的大小会影响到试验样本量大小。因此，基于形状参数γ与试验组生存时间M TRT、对照组生存时间M CTL，两组之间风险比HR之间存在关系HR=（M TRT/MγCTL），本研究分别想定当M TRT、M CTL保持不变和M CTL、HR保持不变两种情况，模拟考察形状参数γ的变化对样本量的影响。模拟结果表明，虽然γ的变化会导致HR和M TRT的变化，但是试验样本量则对HR的变化更为敏感，而试验的预计发生总事件数和期望事件数则仅依赖于HR的变化。且根据模拟实验结果，本研究给出了在实际临床试验中Weibull分布的形状参数γ的估计公式。此外，针对不同种子数下样本量估计值的波动性问题，本研究中模拟研究表明，10次或以上不同种子数下样本量模拟估计值的平均数可作为更稳健的样本量估计值。 2．一种新的基于条件检验效能的α消耗函数鉴于条件检验效能概念与α消耗函数方法的特点，本研究将条件检验效能引入α消耗函数方法，构建了一种新的基于条件检验效能的α消耗函数——CP消耗函数。它既保留了条件检验效能和α消耗函数方法各自的优势，又可克服它们原有的缺点。CP消耗函数不仅给α消耗函数赋予了条件检验效能的意义，有利于临床研究者的理解和交流，还可以有效的控制试验的总I类错误大小。相比较而言，CP消耗函数仅可在期中分析时作为有效性的判定方法。 CP消耗函数由于纳入了CP有效界值ρ0，不仅使其含有了条件检验效能意义，而且增强

关键词：成组序贯设计期中分析样本量估计 Monte Carlo模拟生存数据条件检验效能 α消耗函数随机缩减

来源：评论

学校读者我要写书评

暂无评论

肿瘤药物临床试验中成组序贯设计的统计学考虑

引用

中国临床药理学与治疗学 2013年第2期18卷 175-180页

作者：郭洋蒋志伟夏结来王玉琨第四军医大学卫生统计教研室

成组序贯设计因其拥有较少的病例样本数和较早终止试验的可能性成为肿瘤药物临床试验设计方法的较好选择。如何科学有效地设计和应用成组序贯设计,本文通过Monte Carlo试验模拟,探讨肿瘤药物临床试验中成组序贯设计的期中分析次数、实... 详细信息

成组序贯设计因其拥有较少的病例样本数和较早终止试验的可能性成为肿瘤药物临床试验设计方法的较好选择。如何科学有效地设计和应用成组序贯设计,本文通过Monte Carlo试验模拟,探讨肿瘤药物临床试验中成组序贯设计的期中分析次数、实施时间以及α消耗函数选取等问题,为读者系统指明如何去规划一次成组序贯试验以及如何确定其最优的试验参数。模拟结果表明,成组序贯设计以时间点2∶1∶1折半划分的三次期中分析为好,其期望样本含量仅为420.53。Lan-Demets的五种α消耗函数中,1.5次幂和2次幂的α消耗函数拥有最小期望样本含量约393例,相对于O'Brien-Fleming设计和Po-cock设计在整体上更显优势。

关键词：肿瘤临床试验成组序贯设计期中分析样本量估计

来源：评论

学校读者我要写书评

暂无评论

临床试验的期中分析与成组序贯设计

引用

中国卫生统计 1992年第2期9卷 56-59页

作者：徐勇勇赵清波第四军医大学

1964年,世界医学大会通过了著名的赫尔辛基宣言,并以此作为所有医药卫生人员的道德规范。宣言指出,在任何以人作为受试者的生物医学研究中,受试者的利益必须始终高于科学的利益。这种伦理学上的要求虽然极大地限制了现代实验设计方法在... 详细信息

1964年,世界医学大会通过了著名的赫尔辛基宣言,并以此作为所有医药卫生人员的道德规范。宣言指出,在任何以人作为受试者的生物医学研究中,受试者的利益必须始终高于科学的利益。这种伦理学上的要求虽然极大地限制了现代实验设计方法在临床试验中的应用。

关键词：期中分析成组序贯设计

来源：评论

学校读者我要写书评

暂无评论

简单介绍成组序贯设计在临床试验中的应用

引用

中国临床药理学与治疗学 2006年第12期11卷 1433-1436页

作者：李先涛梁伟雄张伯礼天津中医药大学中医药研究中心天津300193 广州中医药大学DME中心

在临床试验中,常常因为伦理或经济的原因需要进行期中分析,成组序贯设计是ICH-GCP推荐的期中分析方法。本文对该方法的原理及其在临床试验中的几个问题:期中分析的次数、检验界值、样本估算和终点指标的影响等进行了简单介绍。

关键词：成组序贯设计期中分析临床试验重复测量

来源：评论

学校读者我要写书评

暂无评论

生物等效性中的样本量估计及探讨两种成组序贯设计方法的研究

生物等效性中的样本量估计及探讨两种成组序贯设计方法的研究

引用

作者：王傲南京医科大学

学位级别：硕士

目的:在仿制药质量与疗效一致性评价中,生物等效性研究是其工作中的重要部分。要开展一个生物等效性（BE,bioequivalence）研究,确定使用何种设计方法,样本量需要多少都是必须要解决的问题,而这些问题都需要对受试制剂与参比制剂的几何... 详细信息

目的:在仿制药质量与疗效一致性评价中,生物等效性研究是其工作中的重要部分。要开展一个生物等效性（BE,bioequivalence）研究,确定使用何种设计方法,样本量需要多少都是必须要解决的问题,而这些问题都需要对受试制剂与参比制剂的几何均值比和个体内变异有一个准确的估计。本文第一部分研究不同参数设置下生物等效性试验的样本量大小,同时编写出相应的SAS宏程序%BESSE,以期为实际工作中样本量估计提供参考。第二部分研究基于不完全重复交叉设计和参比制剂校正方法评价方法的两种成组序贯设计（GSD,group sequential design）在高变异药物生物等效性研究中的统计学性质,并与常规的单阶段不完全重复设计进行比较。方法:1.生物等效性研究的样本量估计,从常规药物和高变异药物两个角度出发,对于常规药物,比较了确切公式Owen’s Q函数、近似公式非中心t分布和Chow近似公式在不同参数条件下估计的样本量异同。而高变异药物（HVD,highly variable drugs）的样本量估计,采用了Monte Carlo模拟估计了不同参数条件下的样本量。2.生物等效性中的成组序贯设计,通过Monte Carlo模拟在不完全重复设计和参比制剂校正方法评价方法条件下研究了常规的单阶段设计、信息量达到50%进行一次期中分析的Pocock设计和O’Brien-Fleming设计（分别定义为BE-Pocock50设计和BE-OBF50设计）在高变异药物生物等效性研究中的统计学性质。结果:1.生物等效性的样本量估计,对于常规药物,计算比较了采用Owen’s Q函数、非中心t分布、Chow近似三种方法的公式计算的2×2交叉设计下的样本量。三种方法估计的样本量均随着个体内变异（CV,Intra-subject coefficient of variations）的增大而增大。当GMR=1（GMR,Geometric mean ratio）时,样本量最小,随着GMR向0.80或1.25的生物等效界值移动,样本量需求也会逐渐变大。GMR=0.95与GMR=1.05所需要的样本量从数字上看略有差别,是因为其取对数之后,并不关于0对称。虽然说非中心t分布也是一种近似方法,但是其不同参数配置情况下估计的样本量与Owen’s Q函数估计的样本量一致。而Chow近似法估计的样本量则在同等参数配置下,大于或等于另外两种方法估计的样本量,但是在变异较小（CV≤15%）,GMR在0.90-1.10之间的参数组合,近似法是与另外两种方法估计的样本量是完全一致。高变异药物的样本量估计需要分成不同试验设计下,按监管部门推荐的生物等效评价方法进行模拟实验获得样本量估计。在相同的参数配置下,FDA和CFDA所需要的样本量是小于或等于EMA所需要的样本量的。且样本量都是在GMR=1时最小,GMR越靠近点估计范围界值,样本量需求逐渐增加。当GMR在0.95～1.05范围内时,样本量随着CV的增大而保持不变或者增大,当GMR不在上述的范围内时,从随CV的变化来看,样本量先会随着CV的增大（CV变化至45%到55%之间）,之后样本量会随着CV的继续增大而变小。使用本研究编写出SAS宏程序,在输入相应参数之后,可以得到生物等效性研究的样本量。2.高变异药物生物等效性下的成组序贯设计的研究,首先单阶段设计的高变异药物生物等效性评价,当忽略点估计约束条件时,I类错误会发生膨胀,而将点估计约束纳入考虑时,I类错误会随着CV的增加而逐渐减少,最低可低于1%。两种成组序贯设计I类错误与CV变化关系与单阶段设计是一致的,其次三种设计方法检验效能由大到小依次为BE-Pocock50设计。BE-OBF50设计以及单阶段设计,同时BE-Pocock50设计在CV为30%和40%处发生了I类错误膨胀,但是总体来看,二阶段使用率低,平均样本量也低于单阶段设计所需要的样本量,因而BE-Pocock50设计可以作为高变异药物生物等效性评价的备用设计之一。而当CV在70%以上时,BE-OBF设计的平均样本量也开始低于单阶段设计所需要的样本量,因而在CV大于等于70%的情况下,BE-OBF50设计也可以作为一种备用设计。结论:要准确估计生物等效性研究的样本量,需要对试验设计,研究药物的个体内变异系数,几何均值比有充分的了解。在实际工作中,对于常规药物,考虑准确性和便捷性,推荐使用非中心t分布的公式去估计样本量;对于高变异药物,推荐使用Monte Carlo模拟方法估计样本量。本文编写的SAS宏程序%BESSE,直接输入相应参数就可以获得样本量估计,但要注意监管部门对BE研究的最低样本量要求。对于成组序贯设计,推荐将BE-Pocock50设计作为研究的备选设计,当变异度较高时,也可以考虑BE-OBF50设计。因为往

关键词：生物等效性样本量估计成组序贯设计高变异药物

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：