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。

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。

摘要：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。

摘要：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。

摘要：在医疗器械随机化临床试验中，当要判断有两种不同医疗器械的疗效差别是否有统计字意义时，通常是在试验结束取得全部受试者的信息后进行统计分忻。其缺点是不能在试验过程中进行监测，因而不能早期发现可能出现的两种医疗器械之间疗效的显著差异。统计学上还有一种设计是成组序贯设计，它是在整个试验期间，每当收集到一定数量的病人反应资料后就进行一次分析（期中分析，Interim Analysis），以判断是否可以早期停止试验。

摘要：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。

摘要：利用临界值、期望样本量和经验第一类错误等比较成组序贯设计中几类期中分析方法,通过结合布朗运动的相关性质和多元正态函数利用R软件进行计算和模拟。分析表明从临界值、期望样本量和经验第一类错误等参数来看,O′Brien-Fleming方法和Pocock方法的结果分别和α消耗函数法中的α_(1)^(*)(s)和α_(2)^(*)(s)是相似的,基于α_(3)^(*)、α_(4)^(*)和α_(5)^(*)的α消耗函数法方法则是介于两者之间的。在实际应用中,试验设计者应结合具体情况和期中分析方法的特点来选择合适的期中分析方法。