Bivariate network meta-analysis for surrogate endpoint evaluation
本文提出双变量网络荟萃分析(bvNMA)方法,整合异质性治疗对照试验数据,在单一分析中估计各治疗对照在替代终点和最终结局上的效应,并建模跨试验、跨治疗对照的替代关系模式,以改善新人群或新治疗场景下的治疗效果预测。
2018-07-24 stat.ME
Rank-based estimators of global treatment effects for cluster randomized trials with multiple endpoints
针对多终点整群随机试验,本文提出基于秩的全局获胜概率区间估计方法,通过全局获胜分数与线性混合模型处理整群相关性,模拟验证其覆盖率和I类错误表现良好。
2024-02-08 stat.AP stat.ME
A Surrogate Endpoint Based Provisional Approval Causal Roadmap
本研究针对罕见病难以开展验证目标结局治疗效应的3期试验的问题,提出基于替代终点的有条件批准因果路线图,结合观察性数据与低效力3期试验数据,实现保守的治疗效应估计推断,并通过模拟和疫苗研发案例验证。
2024-07-08 stat.ME
Double/debiased machine learning of quantile treatment effects on long-term outcomes in clinical trials
Faculty of Arts and Sciences, Beijing Normal University(北京师范大学文理学院);School of Mathematics and Statistics, Beijing Technology and Business University(北京工商大学数学与统计学院);School of Statistics, Beijing Normal University(北京师范大学统计学院)
本文研究了在临床试验中结合随机试验数据与外部观察数据估计长期结果的分位数处理效应,提出了一种双重稳健估计器以应对混淆因素,通过模拟和实际数据验证了方法在有限样本中的有效性。
2026-05-14 math.ST stat.TH
Power analysis for cluster randomized trials with continuous co-primary endpoints
出于科学或逻辑的考虑,评价医疗保健干预措施的实用性试验通常采用整群随机化。以往的综述表明,协同主要终点在实用性试验中很常见,但在样本量或把握度计算中很少被认识到。虽然基于$K$($K\geq 2$)二进制协同主要终点的把握度分析方法可用于CRT,但据我们所知,连续协同主要终点的方法尚不可用。假设一个多变量线性混合模型解释了每个聚类中观察结果之间的多种类型的组内相关系数(终点特异性ICC、受试者内ICC和受试者间终点间ICC),我们推导出$K$处理效应估计量的闭合形式联合分布,以便于在相同聚类大小下使用不同类型的零假设确定样本量和把握度。我们表征的权力之间的关系,每个测试和不同类型的相关参数。我们进一步放松了等簇大小假设,并通过簇大小的均值和变异系数近似$K$处理效应估计量的联合分布。我们的模拟研究与有限数量的集群表明,我们的方法的预测能力与经验的权力,当多元线性混合模型中的参数估计通过期望最大化算法。一个真正的CRT的应用程序来说明所提出的方法。
2022-05-02 stat.ME
Combining covariate adjustment with information from secondary endpoints to improve precision in randomized trials
Perelman School of Medicine, University of Pennsylvania(宾夕法尼亚大学佩雷尔曼医学院);School of Public Health, University of Minnesota(明尼苏达大学公共卫生学院)
本研究将协变量调整与次要终点信息结合,通过扩展结构方程模型并采用交叉验证模型平均法,在随机试验中提升了主要终点平均处理效应估计的精度,且验证了其效率与稳健性的折中效果。
2026-08-28 stat.ME
A comparison of methods for designing hybrid type 2 cluster-randomized trials with continuous effectiveness and implementation endpoints
Yale University(耶鲁大学)
本文比较了混合类型2试验中连续有效性与实施终点的五种设计方法,通过理论和数值分析发现不同方法在不同条件下对统计功效的影响,为实际应用提供指导。
2026-05-14 stat.AP stat.ME
Estimation of treatment effect in clinical trials of continuous endpoints with retrieved dropouts
Merck & Co., Inc.(默克公司);Oklahoma State University(俄克拉荷马州立大学)
本文提出基于似然的模型,整合所有受试者类别数据,明确治疗效应的估计方法,提升偏倚和变异性。
2026-04-04 stat.ME
On Cluster Randomized Trials with the Desirability of Outcome Ranking (DOOR) Endpoints
The George Washington University(乔治华盛顿大学)
本文提出新方法扩展DOOR框架至集群试验,通过U统计量和影响函数估计集群内和集群间治疗效应,适用于不同集群混合场景。
2026-05-01 stat.ME
Days Alive at Home vs Out of Hospital: Why the Difference Matters for Trial Endpoints
MRC Biostatistics Unit, University of Cambridge(剑桥大学医学研究委员会生物统计单元);Papworth Trials Unit Collaboration, Royal Papworth Hospital(皇家帕普沃斯医院帕沃斯试验单位合作组织);University of Cambridge(剑桥大学);Department of Anaesthesia, Royal Papworth Hospital(皇家帕普沃斯医院麻醉科)
本研究比较围手术期试验终点DAOH与DAH,指出DAOH将护理机构天数等同于在家天数,可能掩盖恢复益处并降低统计功效,提出基线调整的DAH作为更准确的恢复替代指标。
2026-10-01 stat.AP stat.ME
Incorporating Surrogate Information for Adaptive Subgroup Enrichment Design with Sample Size Re-estimation
适应性亚组富集设计是一种有效的设计框架,可以加速研究治疗的开发,同时在试验过程中具有人群选择的灵活性。中期分析时的适应性决策通常基于试验成功的条件概率做出。然而,这种适应性设计的关键挑战之一是中期决策的不成熟数据,特别是在试验第一阶段样本量有限的目标亚组中。在本文中,我们通过在中期分析时估计条件把握度时纳入替代终点的信息,通过基于观察到的替代终点和关于终点之间关系的先验知识或历史数据预测主要处理效应,改进了中期决策。为中期分析后选择入组的患者人群和重新估计样本量开发了改良的条件把握度。在模拟研究中,我们提出的设计显示出更高的机会,使理想的临时决定,并实现更高的整体功率,同时控制整体第一类错误。这种性能在先验知识与两个端点之间的真实关系的漂移上是鲁棒的。我们还展示了我们提出的设计在肿瘤学和疫苗试验的两个案例研究中的应用。
2021-11-03 stat.ME
The FORSS Framework for Sample Size and Power Calculations With Win Statistics for Hierarchical Endpoints
Duke University(杜克大学);Duke Clinical Research Institute(杜克临床研究所);Duke University Medical Center(杜克大学医学中心)
本文提出了一种基于公式的方法,即FORSS框架,用于处理具有分层终点的临床试验中的样本量和功效计算,通过灵活的联合工作分布和熟悉度量来指定边际治疗效应,从而克服了现有方法的局限性。
2026-05-17 stat.ME
The assessment and planning of non-inferiority trials for retention of effect hypotheses - towards a general approach
本文的目的是开发统计方法学,用于计划和评价三组非劣效性试验的一般效应保留假设,其中感兴趣的终点可能遵循任何(规则)参数分布族。这概括和统一的具体结果,二进制,正态分布和指数分布的端点。我们提出了一个Wald型检验程序,用于保留效应假设(RET),确保试验治疗与安慰剂相比至少保持参考处理效应的$Δ$比例。在这里,我们区分了检验统计量的方差被无限制地估计和被限制于原假设的情况,以提高名义水平的准确性。我们提出了一个通用的有效样本量分配规则,以实现最佳功效和样本量公式,显着改善现有的。此外,我们提出了一个普遍适用的经验法则的样本分配,并给出条件,这一规则是理论上合理的。所提出的方法进行了详细讨论的二进制和泊松分布的终点,通过两个临床试验中的抑郁症的治疗和癫痫的治疗,分别。$R$ -用于执行本文所述试验和样本量规划的软件。
2009-12-21 stat.AP stat.ME
On the Evaluation of Surrogate Markers in Real World Data Settings
在紧急的健康危机中,当快速确定有效的治疗方法至关重要时,随机临床试验的短缺是显而易见的。利用真实世界数据(RWD)中的短期替代品可以指导政策制定者评估新的治疗方法。在本文中,我们开发了新的估计比例的处理效应(PTE)的真实结果解释的替代RWD设置。我们提出了逆概率加权和双鲁棒(DR)估计的最佳转换的代理和PTE的半非参数建模的真实结果和代理给定的基线协变量之间的关系。我们证明了我们的估计是一致的和渐近正态的,当正确指定倾向得分模型或结果回归模型时,DR估计是一致的。我们将我们提出的估计量与现有的估计量进行比较,并通过模拟显示出偏差的减少和效率的提高。我们通过对溃疡性结肠炎的两种生物疗法进行交叉试验比较,说明了我们的方法在获得可解释的PTE方面的实用性。
2021-04-12 stat.AP stat.ME
Statistical Design and Planning of an Adaptive Trial using Hierarchical Composite Outcomes: A Practical example
本文提出一个实用框架,在采用分层复合终点(如FS统计量)的试验中实施样本量重新估计,通过两阶段自适应设计和预测概率决策,提高检验效能并控制I型错误。
2025-04-20 stat.ME
A tutorial on individualized treatment effect prediction from randomized trials with a binary endpoint
随机试验通常估计平均相对治疗效果,但通过对绝对处理效应进行更个性化的预测,可能会更好地了解治疗益处。在二元结局的情况下,这些绝对个体化处理效应的预测需要了解个体在未接受治疗的情况下的风险,并纳入可能存在差异的处理效应(即,随患者特征而变化)。在本文中,我们奠定了因果结构的个性化处理效应的潜在结果,并描述了所需的假设,其预测的因果解释的基础。随后,我们描述了回归模型和模型估计技术,可以用来从平均移动到更个性化的处理效应预测。我们主要关注基于逻辑斯谛回归的方法,这些方法都是众所周知的,并且自然地提供了所需的概率估计。我们结合因果推断和预测研究的关键组成部分,以达到个性化的处理效应预测。虽然这些独立的组成部分是众所周知的,但它们的成功融合是一个正在进行的研究领域。我们削减了问题的本质,在设置一个随机试验,讨论了一个明确的定义的被估量的重要性,提供洞察所需的假设,并提供指导方面的建模和估计选项。模拟数据说明了不同方案中不同建模选项的潜力,这些方案改变了平均处理效应和处理效应异质性。两个应用实例说明了随机试验数据中的个体化处理效应预测。
2021-06-10 stat.ME
Developing a predictive signature for two trial endpoints using the cross-validated risk scores method
本研究扩展交叉验证风险评分方法至双结果场景(CVRS2),通过模拟和真实试验验证其能可靠识别敏感组,并同时显著改善两个终点,优于传统CVRS方法。
2024-02-05 stat.ME
Semiparametric Joint Modeling to Estimate the Treatment Effect on a Longitudinal Surrogate with Application to Chronic Kidney Disease Trials
针对纵向替代指标受终末事件截断的问题,提出半参数联合模型,用估计方程估计治疗对GFR斜率的影响,并通过模拟和RENAAL数据验证。
2024-12-18 stat.ME
Visualizing the treatment effect on kidney hierarchical composite endpoints: From mosaic to maraca plots
该研究针对肾脏分层复合终点,提出日落图、马拉卡图、马赛克图、达斯汀图等可视化方法,用于临床试验设计、结果报告及支持性分析,以清晰呈现治疗效应。
2026-08-28 stat.AP
CohortPlat: Simulation of cohort platform trials investigating combination therapies
近年来,平台试验作为一种可能的补救措施,尤其是在早期药物开发中,已经引起了人们的广泛关注,因为经典的两组随机对照试验耗时很长。这篇简短的文章说明了如何使用CohortPlat R软件包来模拟队列平台试验,其中每个队列由联合治疗和相应的单药治疗和标准治疗组成。端点始终假定为二进制。该软件包在平台试验轨迹以及处理效应场景和决策规则方面提供了广泛的灵活性。作为一个特殊功能,该软件包提供了一个指定的功能,用于并行有效地运行多个此类模拟,并以简洁的方式保存结果。提供了许多代码使用说明。
2022-02-04 stat.AP
Integrating tumor burden with survival outcome for treatment effect evaluation in oncology trials
针对早期肿瘤临床试验数据稀缺问题,提出基于效用的贝叶斯方法,联合建模纵向肿瘤负荷与生存结局,并通过模拟验证其I类错误率可控。
2025-06-09 stat.ME
Resilience Measures for the Surrogate Paradox
针对替代指标悖论问题,提出基于研究间函数偏差的弹性度量方法,量化悖论发生可能性,通过模拟和HIV临床试验验证性能,补充传统替代指标验证方法。
2025-06-13 stat.ME
Improving interim decisions in randomized trials by exploiting information on short-term outcomes and prognostic baseline covariates
条件把握度计算经常用于指导是否因无效而停止试验或修改计划的样本量。这些方法忽略了短期终点和基线协变量中的信息,因此没有充分有效地利用数据中的信息。因此,我们提出了一个临时决策程序的基础上的条件功率的方法,利用基线协变量和短期结果中包含的信息。通过将中期分析时的处理效应估计视为缺失数据问题,我们将认识到这一点。这个问题是通过采用特定的长期终点预测模型来解决的,该模型能够纳入基线协变量和多个短期终点。我们表明,所提出的程序导致效率的增益和减少的样本量,而不损害的程序的第一类错误率,即使当采用的预测模型是错误的。特别是,在条件功率方法中实施我们的建议允许相对于标准方法更早的决策,同时控制错误决策的概率。该时间增益导致在因无效而停止的情况下招募的患者的预期数量较低,使得较少的患者接受无效方案。我们解释了如何将这些方法用于自适应设计,并基于逆正态$p$ -值组合方法对揭盲样本量进行重新评估,以控制第一类错误。我们支持的建议,蒙特卡罗模拟的基础上,从一个真正的临床试验的数据。
2019-04-09 stat.ME
A Functional-Class Meta-Analytic Framework for Quantifying Surrogate Resilience
University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出基于功能类的方法,通过K项已完成研究的数据,评估新研究中替代指标的鲁棒性,以避免替代悖论。
2026-04-22 stat.ME
Using a Surrogate with Heterogeneous Utility to Test for a Treatment Effect
识别有效的替代标记物的主要益处是能够在未来的试验中使用它来测试处理效应,并且随访时间更短或成本更低。然而,以前的工作已经证明了潜在的异质性的替代标记物的效用。当存在这种异质性时,使用替代物来测试处理效应而忽略这种异质性的现有方法可能导致关于处理效应的不准确结论,特别是当新研究中的患者群体具有与用于评价替代标记物的效用的研究不同的特征组合时。在本文中,我们开发了一种新的测试的处理效应使用替代标记信息,占异质性的效用的替代。我们将我们的测试程序与使用主要结果信息(金标准)的测试和使用替代标记信息但忽略异质性的测试进行比较。我们证明了我们的方法的有效性,并推导出我们的估计量和方差估计的渐近性质。模拟研究检查我们的测试过程中的有限样本属性,并证明当我们提出的方法可以优于测试方法,忽略异质性。我们使用来自艾滋病临床试验的数据来说明我们的方法,以CD 4计数作为RNA的替代标记来测试处理效应。
2022-09-17 stat.ME
SPYCE: A Doubly Robust Estimator for Trials Targeting Early Huntington Disease under Outcome-Dependent Censoring
Pennsylvania State University(宾夕法尼亚州立大学);Columbia University Medical Center(哥伦比亚大学医学中心)
针对神经退行性疾病临床试验中结果依赖删失致现有估计器矛盾的问题,提出双稳健估计器SPYCE,能非参数估计两个模型且方差最小,应用于亨廷顿病数据时解决矛盾,确定敏感终点并减少所需参与者数量。
2026-07-22 stat.AP stat.ME
A gated group sequential design for seamless Phase II/III trial with subpopulation selection
由于III期试验的高成本和高失败率,无缝II/III期设计越来越受欢迎,以提高试验效率。II/III期试验设计的一个潜在吸引力是,在承担III期试验的全部费用之前,允许进行一个随机化的概念验证阶段。试验期间的人群选择允许试验进行调整,并将投资集中在最有可能提供患者获益的地方。受一项临床试验的启发,以寻找双主要终点无进展生存期(PFS)和总生存期(OS)的潜在受益人群,我们提出了一种门控组序贯设计,用于具有人群选择的无缝II/III期试验设计。研究设计控制了全家族错误率,并允许进行多次中期分析,以便能够因有效性或无效性而提前停止研究。模拟和一个说明性的例子表明,拟议的门控组序贯设计可以有更多的权力比常用的经典组序贯设计,并减少患者的暴露,有效性较低的治疗,如果互补的子组具有不太显着的处理效应。所提出的设计有可能节省药物开发成本,更快地满足未满足的医疗需求。
2022-06-25 stat.AP
On the Individual Surrogate Paradox
当主要结局难以收集时,通常使用替代终点作为替代。有可能对于每个个体,治疗对替代物有积极影响,替代物对主要结局有积极影响,但对于某些个体,治疗对主要结局有负面影响。例如,治疗可能在预防每个人的中风方面基本上是有效的,并且降低中风的风险对于更长的生存时间是普遍有益的,然而,治疗仍然可能导致一些个体的死亡。我们将这种悖论现象称为个体替代悖论。个体替代悖论是为了捕捉处理效应异质性而提出的,这是基于平均因果效应(ACE)的替代悖论无法描述的(Chen et al.,2007)或基于分布因果效应(DCE)(Ju和Geng,2010)。我们调查现有的替代标准的个人替代悖论是否会出现。我们发现,只有强二元替代可以避免这种悖论,而无需额外的假设。利用这个锐界,我们提出了排除个体代理悖论的新准则。我们的方法在应用程序中说明,以确定对糖尿病视网膜病变的发展或进展的风险的影响,密集的视网膜病变。
2017-12-23 stat.ME
Power and sample size calculation for multivariate longitudinal trials using the longitudinal rank sum test
本研究针对神经退行性疾病多变量纵向结局的治疗效果评估问题,开发了纵向秩和检验(LRST)的稳健功效和样本量估计方法,经模拟验证准确且实际应用于相关临床试验,助力高效试验设计。
2025-02-11 stat.ME
Interpretational challenges of the Win Ratio in analyzing Hierarchical Composite Endpoints in Chronic Kidney Disease
本文探讨了Win Ratio在分析慢性肾脏病分层复合终点时的解释性挑战,包括估计量定义、因果问题构建、方差依赖、不可折叠性和不可传递性等问题,强调需承认其局限性以确保正确使用。
2025-07-15 stat.ME
A Continuous-Weighted Win Ratio for Hierarchical Composite Endpoints
针对分层复合终点的严格胜比检验效能不足问题,提出连续加权胜比方法,通过平滑权重放宽分层限制,经模拟验证可在治疗效应集中于低优先级终点时提升检验效能。
2026-08-10 stat.ME
Efficient Response-Adaptive Randomization for Multi-arm Trials with Prioritized Composite Endpoints
Newcastle University(纽卡斯尔大学)
该研究将高效响应自适应随机化设计扩展至多臂试验的优先复合终点,通过结合序贯Hájek投影与鞅技术,在模拟中较单一终点设计更高效分配至优效治疗,且保持I类错误与效能。
2026-08-13 math.ST stat.ME stat.TH
PIONEER: Bayesian Joint Modelling of Mechanistic Tumour Growth and Time-to-Event Endpoints for Dynamic Prediction of Ongoing Oncology Trials
针对肿瘤学临床试验生存数据不成熟的问题,提出PIONEER贝叶斯联合建模框架,结合肿瘤大小动态与临床事件子模型,通过单次前向模拟得出临床终点,经案例验证可提前预测且量化不确定性,为临床开发决策提供支持。
2026-07-21 math.ST stat.AP stat.ME
Surrogate-Assisted Estimation of Exposure-Time Effects in Stepped-Wedge Trials with Administratively Censored Outcomes
University of California San Diego(加州大学圣地亚哥分校);University of Florida(佛罗里达大学)
本文提出一种替代辅助目标最小损失估计器,用于处理行政删失下的嵌套因果函数,通过替代桥表示避免逆概率加权,展示估计器的渐近线性与双鲁棒性,并通过模拟和真实数据验证其稳定性。
2026-09-04 math.ST stat.ME stat.TH
Estimation and Inference of the Win Ratio for Two Hierarchical Endpoints Subject to Censoring and Missing Data
Duke Clinical Research Institute(杜克临床研究所);Department of Biostatistics and Bioinformatics, Duke University(杜克大学生物统计与生物信息学系);Department of Statistics, North Carolina State University(北卡罗来纳州立大学统计学系)
本文提出了一种非参数最大似然估计器,用于估计受删失和缺失数据影响的两组分层终点的赢得比率,提高了估计效率并增强了鲁棒性。
2026-02-14 math.ST stat.AP stat.ME
Valid test for multi-arm trials with generalized linear models under covariate-adaptive randomization
George Washington University(乔治华盛顿大学)
针对协变量自适应随机化下广义线性模型多臂试验,提出修正Wald统计量分布问题的调整检验统计量,结合Simes型多重检验程序控制一类错误,经模拟和真实试验验证有效。
2026-08-27 math.ST stat.ME stat.TH
Estimation and Inference for Win Measures with Multiple Ordinal Endpoints Subject to Missingness
Duke Clinical Research Institute(杜克临床研究所);Duke University(杜克大学);North Carolina State University(北卡罗来纳州立大学)
针对多个层次有序终点存在缺失数据的情况,提出逆概率加权(IPW)和增强逆概率加权(AIPW)估计量,以纠正标准成对比较方法的偏差,并实现双重稳健性。
2026-10-14 math.ST stat.AP stat.ME