医学影像人工智能医疗器械临床试验统计学设计要点专家共识

围绕医学影像的人工智能医疗器械,介绍其临床试验的统计学设计要点,主要涉及临床试验设计类型确定、对照设置、比较类型选择、主要结局指标确定、样本量估计方法、随机化策略、盲法实施、缺失值处理及敏感性分析等内容。本共识旨在为从事该类医疗器械临床试验的相关人员提供统计学设计参考,以保证临床试验结果的科学性、可靠性及规范性。

临床研究样本代表性评估方法的对比研究

目的对现有样本代表性评估方法进行全面比较和探讨,为临床研究样本代表性评估方法选择提供参考。方法结合国内肺癌患者特征的分布以及国内临床研究样本筛选的实际情况,模拟肺癌患者目标人群,抽取不同样本量和不同偏离程度的样本,使用现有样本代表性评估方法计算样本代表性,同时计算疗效估计偏差(bias),通过建立各方法代表性测量值与bias之间的相关性模型,分析各方法评估代表性的准确性和稳定性。结果整体结构差异率(rate of overall struction variation,RV)RV1和RV2及基于倾向评分的C统计量、基尼集中比求和(sum Gini concentration ratio,SGCR)及K-S距离(kolmogorov-smirnov distance,KSD)均能较好地测量不同样本的偏离程度。在不同样本量下,RV2和RV1与bias相关模型的R^(2)值均大于0.90,C统计量、SGCR及K-S距离的R^(2)大于0.80。结论因考虑了特征权重,整体结构差异率更为准确、稳定,尤其是RV2能更好地测量不同偏离程度样本的代表性、准确反映估计偏差;在难以获得特征重要性信息时,SGCR及利用倾向评分的方法中的C统计量和K-S距离测量代表性的可靠性也可以接受。

希望区域法在临床试验适应性设计中的准确性和稳健性研究

目的评估希望区域法应用于适应性设计样本量再估计的准确性及稳健性,为该方法的适用条件提供理论参考。方法以二分类资料为例,以包含期中分析的两阶段适应性试验为框架,采用Monte Carlo方法,在相同的组间响应率率差、同合并率等参数的模拟场景下,比较固定样本量设计、成组序贯设计和希望区域法进行样本量再估计的准确性和稳健性。结果模拟研究显示希望区域法在期中检验效能落入希望区域内进行适应性样本量调整时,Ⅰ类错误与同场景下固定设计和成组序贯设计近似。初始估计样本量被低估时,希望区域法比固定设计的检验效能平均提高约5%,比成组序贯设计提高约8.8%,样本量比固定设计多耗费0.18倍,比成组序贯设计多0.38倍。高估初始估计样本量时,三种设计的检验效能相差仅在1%左右,但希望区域法比固定设计多消耗7.5%、比成组序贯设计多耗费48%的样本量。结论相比于固定样本量及成组序贯设计,希望区域法对于试验的整体检验效能提高不大,其平均样本量均大于相同设定场景下的固定设计及成组序贯设计,使用该设计方法时应谨慎权衡试验收益。

回归系数的广义根方估计及其模拟

文献[1,2]中提出了回归系数的根方估计^(k),当回归自变量间存在复共线关系时,^(k)较回归系数的最小二乘估计有所改善,本文将根方估计作一拓广,得出了回归系数的广义根方估计^(K),其中K为对角阵,文中证明了广义根方估计^(K)较^(k)能更有效地改善最小二乘估计,并给出了广义根方估计的显式解,在此基础上,提出了广义根方估计的显式解和一种确定k_i的方法。

零截尾Poisson分布和零截尾负二项分布的参数估计及其应用

本文给出了零截尾Poisson分布和零截尾负二项分布的特征值,并利用Newton-Raphson迭代给出了两种分布参数的矩估计与最大似然估计。应用这两种分布分别配合了零截尾的肝癌家族分布的资料,探讨了肝癌的家族聚集性。

解释变量非正交时logistic回归系数的估计

ｌｏｇｉｓｔｉｃ回归模型的目的是描述因变元与自变元之间的关系，回归系数有明确的实际意义。一旦回归系数的估计受非典型数的干扰，就难于获得对实际问题的解释。文中讨论了解释变量多元共线对ｌｏｇｉｓｔｉｃ回归系数影响，在此基础上引用线性回归系数主成分估计的思想，改进了ｌｏｇｉｓｔｉｃ回归系数的加权最小二乘估计，使之能克服多元共线引起的一般ｌｏｇｉｓｔｉｃ回归系数加权最小二乘估计方差扩大现象。

疫苗真实世界研究中的统计方法

随机对照盲法临床试验用于评价疫苗安全性与有效性是公认的金标准,但由于其设计上的严苛,使得疫苗上市后,在大规模应用场景下的疫苗真实保护效果与临床试验获得的保护效力往往存在偏差,疫苗真实世界研究在此基础上被提出。新冠病毒疫苗真实世界研究被大量报道,其结果被各国采用,及时优化疫苗免疫策略。本文概括了常见的疫苗真实世界研究设计,并着重介绍了近些年发展出来的解决真实世界研究中混杂偏倚的统计方法:倾向评分和工具变量。

新药疗效评价的区间检验

判定两组药物是否等效 /非劣效 /优效 ,传统的显著性检验方法是不妥的 .区间假设检验对于保证受试药品 (仿制药品 )与参照药品等效 /非劣效 /优效 ,保证受试药品的有效性及安全性尤其重要 .本文概要地介绍了区间假设检验的理论基础及一些相关的统计方面的问题 ,包括统计设计、检验方法、样本含量及检验效能的确定 ,特别介绍了有关个体等效与群体等效评价 ;总结了各种方法应该注意的事项并提出了一些目前区间假设检验依然存在的问题 .无论是理论方面还是实际应用方面 。

非线性模型统计分析体系及NoSA实现(一)

目的 介绍医用非线性统计分析模型及其NoSA实现。方法 建立各种非线性模型及模型参数的最大似然估计方法。并附有实例演算。结果 由于NoSA嵌入了网络算法技术 ,解释变量可以是定量、定性和有序的 ,并能分析变量间的交互作用可对变量作逐步选择。结论 NoSA的非线性模型模块计算稳定 ,并能自动排除广义共线关系对模型参数最大似然估计值的影响。

交互作用项数量化方法及其对模型拟合的影响

目的探讨交互作用项数量化方法及其对模型拟合的影响。方法定义出3种交互作用项数量化方法,实例建立线性和非线性模型。结果不同的数量化方法影响模型的参数估计,给出了实例分析结果。结论对于平衡的实验设计,分析结果是关于数量化方法不变的;对于非平衡的数据分析结果则随数量方法的不同而异。

S型曲线的一种新的拟合方法——拟分布函数法

目的 提出一类新的S型曲线———拟分布曲线 ,给出拟分布曲线的拟合方法。方法 用最小二乘法估计参数 ,算法采用Brent二分法合并Runge -Kutta数值积分方法。结果 应用NoSA软件 ,获得各种拟分布曲线参数估计值与拟合优度。结论 根据实例演算 ,表明拟正态分布曲线在尾部的拟合效果明显优于logistic曲线 ,且参数能得到较好的解释。

非线性模型统计分析体系及NoSA实现(二)

目的 介绍医用非线性统计分析模型及其NoSA实现。方法 建立各种非线性模型及模型参数的最大似然估计方法 ,并附有实例演算。结果 由于NoSA嵌入了网络算法技术 ,解释变量可以是定量、定性和有序的 ,并能分析变量间的交互作用可对变量作逐步选择。结论 NoSA的非线性模型模块计算稳定 ,并能自动排除广义共线关系对模型参数最大似然估计值的影响。此模块较SPSS有其明显的优点。

香港非典型肺炎发病情况的室模型分析及对北京疫情进展的预测报告

根据流行动力学原理 ,构建室分析模型分析香港地区 SARS疫情发展趋势 ,并对香港的疫情发展做出中长期预测 。

两均数比较的bootstrap法

作者在复述两均数比较一般方法的基础上,给出了两均数比较的bootstrap法的基本思想及检验过程.实例演算了bootstrap法检验结果.并用Monte-Carlo法比较了t检验、t’检验和bootstrap法的检验功效.结果显示,在方差不齐时,后者的功效均高于t检验及t’检验,而t检验的功效最低.

肾康注射液治疗慢性肾功能衰竭的Ⅳ期临床观察研究

目的在临床广泛使用条件下，进一步考察肾康注射液治疗慢性肾功能衰竭的有效性和安全性。方法在全国53家临床医院进行Ⅳ期临床观察，入选慢性肾功能衰竭患者2200例。将肾康注射液60～100mL溶于10％葡萄糖（5％葡萄糖0．9％氯化钠注射液）200～300mL中静脉滴注，每日1次，治疗2～4周后评价治疗的有效性和安全性。疗效较好的病例进行1～3个月随访。结果治疗后患者血肌酐和肌酐清除率得到明显改善（P〈0．05），慢性肾功能衰竭总有效率73．05％，中医症候总有效率98．00％。随访患者的肌酐清除率和血肌酐水平基本保持稳定。结论肾康注射液治疗慢性肾功能衰竭具有较好的有效性和安全性。

医学研究生对医学统计学的认知态度、教学感受和应用需求调查分析

目的医学统计学是获取医学科学研究最佳证据的必要工具,其难度性和理解性一直是困扰医学统计学教学的瓶颈。了解医学研究生的学习态度及其相关影响因素,有助于优化医学统计学教学模式。方法本研究结合统计学态度相关的标准问卷,自研针对我国医学研究生的医学统计学态度相关问卷,评价其对医学统计学的认知态度、教学感受、应用需求和意见,并采用多元分析探讨可能的影响因素。结果通过调查465名一年级研究生发现,被调查者对医学统计学基本呈积极态度,有较强的学习兴趣,希望加强医学统计学在研究设计、统计方法的选择、统计结果专业解释等应用能力的培养;学位、医学统计学的应用经历、逻辑思维能力、数学基础、计算机基础是影响医学统计学态度的主要因素。结论在未来教学中,我们应关注研究生的学习态度和应用需求,采用由实际问题引入的教学模式,开展模块化教学,加强医学统计学实践应用能力的培养,提高研究生的医学统计学学习兴趣、实践科研思维和应用的能力。