统计分析相关问题

抗感染领域临床研究统计学相关问题主要内容样本量统计分析数据集抗感染领域临床研究的特殊之处样本量样本量意义用合理的资源发现有意义的临床差别在希望的把握程度上获得有意义的结论样本量确定条件试验设计方法主要指标假设检验（单侧、双侧）确定计算用参数（变异，临床有意义的参数）I类错误（α）、II类错误（β）根据公式/采用软件计算（PASS、STATA等）考虑脱落率等因素的影响样本量确定条件试验设计方法主要指标假设检验（单侧、双侧）确定计算用参数（变异，临床有意义的参数）I类错误（α）、II类错误（β）根据公式/采用软件计算（PASS、STATA等）考虑脱落率等因素的影响临床研究假设转换为统计学假设

临床研究问题临床假设

统计学假设数据分析验证

例如：

抗感染领域有效药物的研发

研发药物是否安全有效试验药比对照药好

临床假设

试验药比对照药差，但在可允许范围

试验药和对照药相当

统计学假设优效性(superiority)检验非劣效性(non-inferiority)检验

等效性(equivalence)检验

I类错误

I类错误（α），假阳性错误

注册试验：管理部门所能允许的批准该药上市后由该药无效所导致的该部门所承受的最大风险；

临床研究：有意义的阳性结论实际是假阳性的风险

常用标准，如SFDA0.025；临床研究为0.05

多个指标检验、多个分组比较、多次分析（期中分析）等会带来α的增加，需通过有效方法进行控制和校正，保证对总的风险的控制。

探索性研究，如II期临床试验，一般不考虑校正。II类错误

II类错误（β），假阴性错误

注册试验：实际有效的药物不能被证明和批准上市的风险，由研发者和申办方承担；

临床研究：有意义的临床结论不能被发现的风险；

一般不超过20%（80%的把握度），探索性研究一般不做高标准要求。

优效性检验和非劣效性检验

均为单侧检验，常取单侧0.025

把握度取80%，90%等

非劣效界值的确定

由研究者和统计学家共同讨论，最终由研究者确定

两步法：

先确定根据阳性药和安慰剂的比较研究得出M1，再由M1得出M2第一步：M1的确定M1的确定采用综合分析法，如采用Meta分析法计算得到主要疗效指标C–P的95%双侧可信区间下限lCL（这个下限必须大于0，否则不能视其为阳性对照）。考虑到疗效一致性的问题或者历史数据的质量，一般取M1<lCL。一般取M2=f·M1。f一般取0.5。f值越接近0时，如果仍能得出非劣效的结论，说明试验药物的疗效与阳性对照越相近。如果f取的太小会使得试验所需样本量大到试验无法进行。如果没有历史资料可供借鉴，也可采用目标值法确定M2，此时M2一般取在阳性对照药疗效的10%~15%倍之间。阳性对照药的疗效可根据文献报道或有目的医学调查所得。这种调查应委托独立调查机构执行。第二步：M2的确定可信区间方法

优效/非劣效性/等效性的统计推断一般采用可信区间(confidenceinterval,CI)法。该方法为ICH相关指导原则所推荐。

统计分析数据集统计分析数据集

在盲态审核会确定，揭盲前完成ITT原则（IntentionToTreatprinciple）是指基于有治疗意向的受试者（即计划好的治疗）而不是实际给予治疗的受试者进行评价的处理策略。是可以对结果做出评定的最好原则。

其统计分析结果是无偏的。

mITT分析集：

抗菌药物临床试验中细菌培养阳性的受试者构成，是ITT集的子集。统计分析数据集FAS分析集（Fullanalysisset）

尽可能接近符合意向性分析（ITT）原则的理想的受试者集。该数据集是从所有随机化的受试者中，以最少的和合理的方法剔除受试者后得出的。

PPS分析集（PerprotocolSet)有效病例、有效样本、可评价病例样本，是由充分依从于试验方案的病例子集所产生的数据集，是全分析集的一个子集。依从性包括以下一些考虑，如：所接受的治疗、主要指标测量的可行性以及未对试验方案有大的违反等。

SAS分析集（SafetyAnalysisSet）

所有服过药，有安全性评估数据基线分析-

FAS分析集

比较组间均衡性有效性分析-

FAS、PPS分析集两个分析集结