摘要：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。

摘要：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。

摘要：目的 在P值合并法中,本文对三阶段适应性样本量调整(sample-size re-estimation, SSR)进行权重优化并基于有效终止概率(efficacy stopping probability, ESP)选择最优的设计方案。方法 以两样本均数比较的优效性检验为分析目的,在三阶段SSR下,采用基于P值之和的方法,通过设定不同的样本量分配权重、每阶段的有效终止概率、设计参数及对应低估的实际模拟参数,计算得到在不同ESP组合下的最优样本量分配权重及相应的最大功效和平均样本量(average sample number, ASN)。结果 SSR在不同的第二阶段有效终止概率(ESP_(2))下存在不同的最大功效;设定第一阶段有效终止概率(ESP1)为0.10,无论原设计及实际模拟参数为多少,ESP_(2)在0.15~0.45的范围内均能获得较好且相近的最大功效,并随着ESP_(2)的增大,相应的ASN先递减而后趋于平稳或平稳上升,其中最优设计的ESP1、ESP_(2)和ESP3分别为0.10、0.45和0.35;在ESP1设定为0.1和0.2条件下,最大功效的变化范围不同,前者最大功效的极差为1.8%,后者为5.7%。结论 三阶段适应性样本量调整在ESP1不确定的情况下,为了降低ESP_(2)的选择对试验功效的影响,建议设定较小的ESP1;当确定ESP1后,可根据实际数据模拟得到较优的ESP_(2),使设计能获得较好的功效和适宜的ASN。