CMH检验和Meta分析在临床试验中心效应分析的应用探讨

目的探讨比较多中心临床随机对照试验中心效应的统计分析方法。方法以一项多中心临床随机对照试验数据为例,运用CMH检验及Meta分析。结果CMH检验显示各中心间效应值一致性检验差异有统计学意义(P<0·05)而Meta分析的异质性检验结果显示差异无统计学意义(χ2=12·81,P=0·12),采用固定效应模型,合并后效应值组间差异有统计学意义(Z=3·35,P<0·05)。结论多中心临床随机对照试验研究中,如果存在分中心组间疗效差异趋势不一致时,可选择Meta分析,再根据Meta分析异质性检验结果,选择适合的模型进行合并后效应值的组间比较,并结合CMH检验给出结论。

Logistic回归、CMH检验与Meta分析在多中心临床试验中应用探讨

目的探讨临床随机对照试验多中心效应比较的统计方法。方法以一项多中心临床随机对照试验数据为例,运用χ2检验、CMH检验、Meta分析及logistic回归分析。结果CMH检验显示各中心间效应值的一致性检验差异有统计学意义(P<0.05),扣除中心效应后,组间比较差异有统计学意义(P<0.05);Meta分析异质性检验差异无统计学意义(P>0.05),采用固定效应模型,合并后效应值组间差异有统计学意义(P<0.05),logistic回归分析,各中心效应值差异无统计学意义(P>0.05),组间效应差异有统计学意义(P<0.05),且存在可能影响效应的协变量。结论多中心临床随机对照试验研究中,如果存在分中心组间疗效差异趋势不一致时,可选择Meta分析及logistic回归分析,然后对三种分析方法的结果作出客观的评价。如果logistic回归分析存在影响效应的协变量,建议对这些协变量进行再分析。

临床试验中分类数据的处理方法比较

目的通过模拟比较,探讨分析多中心临床试验中高维列联表资料的有效方法。方法采用Monte Carlo模拟比较CMH检验与logistic回归处理多分类单向有序、无序资料以及CMH检验与一般线性模型GLM(General Linear Model)处理双向有序资料的区别。结果多分类单向有序和无序资料采用CMH检验和logistic回归分析结果相同,检验效能基本一致。双向有序资料采用GLM与CMH检验分析结果相同,检验效能基本一致。结论在多中心临床试验中,高维列联表资料的统计分析可以用logistic回归或GLM代替CMH卡方检验。

如何正确运用χ^(2)检验——高维表资料统计分析方法概述

本文目的是介绍高维表资料的种类及其对应的统计分析方法。基于结果变量的资料类型,常见的高维表资料可分为以下三类,即结果变量为二值变量、多值名义变量和多值有序变量。高维表资料的统计分析方法主要有两大类,第一类为广义差异性分析,内容包括“加权χ^(2)检验”“CMHχ^(2)检验”和“Meta分析”;第二类为回归分析,内容包括“对数线性回归模型分析”“Logistic回归模型分析”“Probit回归模型分析”和“离散选择模型分析”。

多水平模型在临床试验中心效应分析中的研究

多水平模型是既适用于计量资料、又适用于二分类或多分类资料的统计方法。本文通过对各类型的实例数据,分别应用多水平模型、协方差分析和CMH卡方检验方法进行分析,探讨多水平模型在多中心临床试验中心效应分析中的应用。结果表明,在计量资料的中心效应分析中,协方差分析较多水平模型更容易发现中心效应;对分类资料的中心效应,多水平模型更为敏感。可见不同分析方法对中心效应的分析结果不相同,在实际运用中应结合数据自身的结构特点和研究目的,并根据各种方法的适用条件选择分析方法。