优效性试验中存在补救治疗时基于假想策略的效应估计方法比较

目的探讨优效性临床试验中存在补救治疗时基于假想策略的效应估计方法。方法采用结构方程模型模拟存在补救治疗的优效性临床试验数据,在假想策略下采用重复测量的混合效应模型(MMRM)、基于加权的自然效应模型(WNEM)、基于填补的自然效应模型(INEM)和双稳健估计(DR)四种方法估计处理效应,比较其统计学性能,并应用于真实的糖尿病临床试验分析。结果当两组补救治疗发生比例不同时,WNEM估计偏倚较MMRM和INEM小,DR估计偏倚最小。当两组补救治疗发生比例相同时,四种方法估计偏倚均较小。不同情形下,前三种方法的标准误接近,DR的标准误较小。DR的检验效能优于前三种方法,但存在I类错误率膨胀。结论在满足潜在结果框架基本假设的情形下,自然效应模型方法合理利用了补救治疗后的数据信息,能更好地估计药物的真实疗效。

存在非随机缺失数据的纵向数据中介分析

纵向中介分析面临两个挑战:一是某个时刻的中介和结果会影响后续时刻的中介和结果,从而成为治疗后混淆因子(也被称作时变混淆因子);二是非随机缺失数据在纵向研究中很常见,如果没有处理好则会带来系统的中介效应估计偏差。目前没有文献考虑纵向中介分析同时出现治疗后混淆和非随机缺失数据的情形。为了填补这一空缺,基于潜在结果模型框架的理论,本文提出了纵向中介分析存在非随机缺失数据时因果效应的可识别性条件。开发了一种新的估计中介效应的统计程序,使用估计方程方法和多重插补处理缺失数据,并使用修正后的自然效应模型来估计中介效应。建立了所提出方法的大样本性质,并通过随机模拟和实际数据分析评估了新方法的有限样本表现。

一种新的针对多个中介变量的中介分析方法

中介分析主要用于探究自变量X与因变量Y之间的因果关系机制,将自变量X与因变量Y之间的因果路径进行分解,判断中介变量M是否在其因果路径中起作用及其作用大小。经典的中介分析方法一般仅针对单一中介变量。本文介绍了一种新的针对多个中介变量的中介分析方法。