2025年大学《生物统计学》专业题库- 新药开发中的生物统计学分析

2025年大学《生物统计学》专业题库——新药开发中的生物统计学分析考试时间：______分钟总分：______分姓名：______一、简述随机对照试验在设计新药临床试验中的主要作用及其面临的伦理挑战。二、在比较两种药物治疗效果的随机对照试验中，如何通过盲法设计来减少偏倚？请分别解释单盲、双盲和安慰剂对照的原理和优缺点。三、某项新药临床试验计划比较新药组与安慰剂组的有效率。假设预计新药组的有效率为60%，安慰剂组的有效率为40%，要求试验有80%的把握度（1-β=0.8）和90%的统计学效力（α=0.05）来检测出至少15%的有效率差异，问每组至少需要多少受试者？四、简述生存分析中生存函数和风险函数的概念及其区别。在分析两组患者的生存时间数据时，如果观察到两组的生存曲线存在交叉，这可能意味着什么？五、在临床试验数据分析中，如何处理缺失数据？请列举两种常用的处理缺失数据的假设，并简述其适用条件。六、某研究比较了两种不同剂量的药物对某种疾病的治疗效果，使用了重复测量设计。请解释重复测量方差分析的基本原理，并说明其与独立样本t检验的主要区别。七、在多重比较问题中，为什么需要进行Bonferroni校正？请解释其基本原理。八、解释因果推断的概念，并列举在药物临床试验中可能出现的三种主要偏倚类型及其控制方法。九、简述适应性设计在临床试验中的主要应用场景，并举例说明其如何提高试验效率。十、假设一项临床试验中，研究者计划在试验中期根据初步数据进行一个假设检验，以决定是否提前终止试验。请解释这种策略可能带来的潜在问题，并讨论如何合理地使用这种策略。试卷答案一、随机对照试验通过随机分配受试者到不同治疗组，能够确保各组在基线特征上具有可比性，从而有效控制混杂因素，保证试验结果的客观性和可信度，是确定新药疗效的金标准。其面临的伦理挑战主要包括：确保受试者的知情同意权、保护受试者的安全和权益（特别是分配到安慰剂组时）、避免利益冲突、保证研究的透明度和数据的安全性等。二、*单盲：仅受试者不知情，可能导致研究者和受试者产生偏倚。*双盲：研究者和受试者均不知情，能有效防止来自双方的主观偏倚，是临床试验的黄金标准。*安慰剂对照：使用外观和感觉与活性药物相似的安慰剂作为对照，除了无活性成分外，其他方面尽量一致，以减少安慰剂效应带来的偏倚。优点：减少偏倚，提高结果的可靠性。缺点：实施复杂，可能无法完全消除偏倚，受试者安全性考量（如无法使用最佳治疗）。三、需要计算两组独立样本比例的假设检验所需样本量。使用公式（或查表/软件）：n=(Z_(α/2)+Z_β)^2*[p1(1-p1)+p2(1-p2)]/(p1-p2)^2其中，Z_(α/2)是对应于α/2的标准正态分布临界值（α=0.05，Z_(0.025)=1.96），Z_β是对应于1-β的标准正态分布临界值（β=0.20，Z_0.20=0.84），p1=0.60,p2=0.40,p1-p2=0.20。计算得：n≈(1.96+0.84)^2*[0.60*0.40+0.40*0.60]/(0.20)^2≈4.4^2*0.48/0.04≈19.36*12≈232.32由于每组样本量需相同，且样本量必须为整数，每组至少需要24名受试者。为稳妥起见，可考虑每组增加少量受试者，例如每组25人。四、生存函数（SurvivalFunction,S(t)）表示在时间t之前存活的个体比例，是时间t的函数，描述了生存概率随时间的变化趋势。风险函数（HazardFunction,h(t)）表示在已知生存到时间t的条件下，在瞬时t附近一个非常短的时间间隔内发生事件（如死亡）的瞬时风险率。区别在于：生存函数是累积生存概率，风险函数是瞬时风险率。如果两组的生存曲线存在交叉，意味着在某个时间点之后，一组患者的生存优势可能超过了另一组，表明早期表现较好的组在后期可能表现反而较差，或者早期表现较差的组在后期生存优势显现，提示可能存在交互作用或不同疗效持续时间。五、处理缺失数据的常用方法：*完全随机抽样（列表剔除法，ListwiseDeletion/CompleteCaseAnalysis,CCA）：丢弃含有任何缺失值的观测数据。假设前提是缺失是完全随机（MissingCompletelyatRandom,MCAR），即缺失机制与任何观察到的或未观察到的变量无关。适用条件：样本量较大，缺失比例较低，且缺失机制确实为MCAR。*多重插补（MultipleImputation,MI）：基于现有观测数据，模拟缺失数据的可能值，创建多个“完整”数据集，分别进行分析，最后合并结果。假设前提是缺失机制为随机（MissingatRandom,MAR），即缺失机制与未观察到的变量相关，但与已观察到的变量无关。适用条件：缺失不是MCAR，缺失数据有一定模式，样本量适中。六、重复测量方差分析（RepeatedMeasuresANOVA）用于分析一个因素（通常是时间）对同一个体多次测量结果的效应，且不同时间点的测量之间存在相关性。其基本原理是假设组内（within-subject）变异（时间效应、个体差异）和组间（between-subject）变异（处理效应）是独立的，通过分解总变异为时间效应、个体效应、交互效应和误差变异来检验假设。与独立样本t检验（IndependentSamplest-test）的主要区别在于：重复测量方差分析处理来自同一受试者的多次测量数据，考虑了数据的相关性；而独立样本t检验处理来自不同个体的独立观测数据，假设数据间相互独立。七、多重比较问题是指在一个研究中进行多个假设检验时，会增大犯第一类错误（错误地拒绝原假设，即假阳性）的总概率。Bonferroni校正是一种常用的控制家族误差率（FamilywiseErrorRate,FWER）的方法。其基本原理是将预设的总体显著性水平α分配到每个单独的检验中，即每个检验的显著性水平α'=α/m，其中m是检验的总数。只有当某个检验的p值小于α'时，才认为该检验结果是显著的。这种方法非常保守，能有效控制FWER，但可能降低检验的统计效力。八、因果推断是指研究一个变量（原因）对另一个变量（结果）的影响。在药物临床试验中，目标是确定药物（原因）是否导致了疗效（结果）的变化。可能出现的偏倚类型及控制方法：*选择偏倚（SelectionBias）：指研究对象进入不同组的方式存在系统性差异，导致组间基线特征不平衡。控制方法：严格的随机分配、分层随机化、确保入组标准一致、基线比较分析。*信息偏倚（InformationBias）：指测量或记录结局信息的方式存在系统误差，导致观察到的结果与真实结果不一致。控制方法：盲法设计（单盲/双盲）、标准化测量工具和流程、双人独立评估、使用客观结局指标（如生化指标）。*混杂偏倚（ConfoundingBias）：指存在一个与暴露因素（药物）和结局都相关的因素，其存在掩盖或夸大了暴露因素与结局之间的真实关联。控制方法：随机化（可平衡混杂因素）、限制性入组（限制混杂因素的范围）、匹配、分层分析、多变量回归分析。九、适应性设计是指在临床试验进行过程中，根据中期分析获得的interim数据来调整试验设计或分析计划，以提高试验效率或改进试验结果的可解释性。主要应用场景包括：*适应性组间早期停止（AdaptiveInterimGroup-WiseEarlyStopping）：若中期数据显示一组疗效显著优于另一组，且提前停止试验对安全性无影响，可提前终止效果较差的那一组。*适应性样本量重新估计（AdaptiveSampleSizeRe-estimation）：根据中期结果调整所需的总样本量。*适应性治疗选择（AdaptiveTreatmentSelection）：根据中期结果调整后续入组患者的治疗分配策略。*适应性边界设计（AdaptiveBoundaryDesign）：调整统计推断的临界值（如p值阈值）。例子：一项比较新药A与安慰剂的试验，中期分析显示新药A疗效显著更好，且安全性可控，根据预设的早期停止边界，试验可提前终止，避免继续投入资源。十、在试验中期进行假设检验以决定是否提前终止试验的策略可能带来的潜在问题：*增加犯第一类错误的概率（α膨胀）：中期分析本身就是一个假设检验，会消耗部分α水平。若基于此结果采取行动（如停止试验），再进行最终的正式检验时，实际犯第一类错误的概率可能超过预设的α水平，导致错误地认为有疗效。*增加犯第二类错误的概率（β膨胀）：如果中期分析结果不显著，但实际存在疗效差异，继续进行试验可能因样本量未达最优或资源提前消耗而无法检测出真实的疗效差异，导致错误地认为没有疗效（β错误增加）。*结果解释的复杂性：基于interim分析结果采取的行动（如停止试验）可能会使得最终结果的解释变得复杂，尤其是在事后回顾时。合理使用这种策略需要：*预先明确规定：在试验方案设计阶段就详细规定中期分析的时间点、检验方法、停止/继续试验的决策规则（包括统计和操作边界）、以