基于指数分布的生存资料盲态下样本量再估计方法

目的针对生存分析样本量再估计的适应性设计临床试验,本文基于指数分布,提出盲态下生存资料的样本量再估计方法。方法采用蒙特卡洛模拟方法,预设4个期中分析时间点,以参数初始估计值M_(10)为均数暂定搜索范围为M_(10)_±0.5M_(10),在该搜索范围内产生指数分布随机数对期中分析时的截尾生存数据进行填补,对填补后的数据进行极大似然估计,得到试验参数的再估计值M_1,若M_1落在搜索范围外,则需更改搜索范围以包含M_1,并重新进行搜索直至M_1落在搜索范围内,此时的M_1即为试验参数的再估计值,在此参数的基础上重新估计样本量,并比较4个期中分析点的样本量再估计结果,确定1个最合适的期中分析时间点。结果经过期中分析调整后的样本量接近真实值,且期中分析时间点越向后移,样本量估计结果越接近真实值,变异越小。结论建议在入组结束并完成1/4最短随访时间时进行一次期中分析重新估计样本量,根据估计结果考虑是否增加样本量。

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。