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。

如何正确运用χ^(2)检验——三种R×C列联表资料的CMH χ^(2)检验

本文目的是介绍三种R×C列联表资料的CMH χ^(2)检验以及SAS软件实现的方法。第一种是"双向无序R×C列联表资料",与这种资料对应的CMH χ^(2)检验在本质上就是Pearson’s χ^(2)检验;第二种是"结果变量为有序变量的R×C列联表资料",与这种资料对应的CMH χ^(2)检验在本质上就是秩和检验;第三种是"双向有序且属性不同R×C列联表资料",与这种资料对应的CMH χ^(2)检验在本质上就是Pearson’s相关分析或Spearman’s秩相关分析。当R×C列联表资料中有1个或2个"有序变量"时,进行统计分析之前,需要给有序变量"赋值或评分"。在SAS/STAT的FREQ过程中,有四种评分方法。评分方法不同,CMH χ^(2)检验统计量的表达形式和计算结果都会发生相应变化。

K×2×2表的Cochran-Mantel-Haenszel与Breslow-Day检验

本文描述了K×2×2列联表的CMH检验法和Breslow-Day检验法,以R语言作为分析工具,利用函数mantelhaen.test和breslowday.

CMH统计分析方法在多中心临床试验2×r表资料中的应用

多中心临床试验是指由某个单位的主要研究者总负责．多个单位的研究者合作，按同一个试验方案同时进行的临床试验。为了避免各中心试验条件不同对结果造成的影响，分析资料时可以采用CMH（Cochran-Mantel Haenszel）统计分析方法。多中心试验的2×2，2×r，s×r表资料的CMH检验已有论述，但是对2×r表资料的分析只给出了SAS程序．作者结合实例介绍CMH行平均得分检验在多中心临床试验2×r表资料应用的手工算法。

如何正确运用χ^(2)检验--高维表资料独立性检验与SAS实现

本文目的是介绍一种特殊高维表(即g×2×2表)资料的独立性检验方法及SAS实现。在SAS软件和统计学教科书中,有三种方法可用于进行高维表资料的独立性检验,分别为广义CMHχ^(2)检验(简称为“方法1”)、公式中含有权重系数的加权χ^(2)检验(简称为“方法2”)和公式中没有权重系数的加权χ^(2)检验(简称为“方法3”)。本文通过公式推导和变形,揭示出“方法2”与“方法3”在本质上是完全相同的加权χ^(2)检验,但具有不同的表现形式;还揭示出加权χ^(2)检验统计量的估计值与“方法1”中的CMHχ^(2)检验统计量的估计值近似相等。本文结合一个实例,介绍基于SAS软件实现g×2×2表资料独立性检验的具体方法,对输出结果进行解释,并做出统计结论和专业结论。

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”。

临床试验中中心效应的评价及处理方法

探讨多中心临床试验中 ,中心效应的评价与处理方法 ,采用Breslow Day检验对有效率的中心间差异进行评价 ,采用CMH方法对组间有效率及疗效等级进行分析 ,采用logistic回归方法对中心效应及有效率或疗效等级同时进行评价。结果提示 ,Breslow Day检验只能对有效率的中心间差异进行评价 ,而不能对疗效等级的中心差异进行评价 ,CMH方法不能同时考虑其它协变量的影响。

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。

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。