A sensitivity analysis for non-inferiority studies with non-randomised data
Kobe University（神户大学）；Kobe University Hospital（神户大学医院）
本文重新构建E值框架，使其适用于非劣效性分析中的预定义临床边际，提供透明的框架以解释非随机证据并指导未来随机对照试验设计。
2025-11-22 stat.AP stat.ME
Integrating Prioritized and Non-Prioritized Structures in Win Statistics
Yale School of Public Health（耶鲁大学公共卫生学院）；University of Michigan（密歇根大学）；Yale Center for Analytical Sciences（耶鲁分析科学中心）
本研究提出RWR方法，整合优先级和非优先级结构，解决终点优先级确定的挑战，提升WS分析的准确性与实用性。
2025-12-22 stat.ME
Sample size calculations for multilevel factorial longitudinal cluster randomised trials
本文提出针对多级干预的纵向集群随机试验样本量计算方法，适用于连续型结局，支持评估个体与集群干预及交互作用。
2026-05-01 stat.ME
CUI-MET: Clinical Utility Index Dose Optimization Approach for Multiple-Dose, Multiple-Outcome Randomized Trial Designs
CUI-MET通过加权多个二分类终点构建临床效用指数，在多剂量随机试验中选出最优剂量，并提供R Shiny工具和Bootstrap稳健性评估，为早期肿瘤试验剂量优化提供灵活易用的方法。
2025-05-06 stat.AP stat.ME
A hypothesis test of feasibility for external pilot trials assessing recruitment, follow-up and adherence rates
一项大型临床试验的效力可能会受到招募率、随访率和依从率低的不利影响。外部试点试验估计这些比率，并通过预先规定的决策规则使用它们来确定最终试验是否可行并应该继续进行。关于如何选择这些决策规则或试点的样本量，几乎没有方法学研究。在本文中，我们提出了一个确定性试验的可行性假设检验，适用于外部试点数据，并用于作出进展的决定。我们通过计划试验的力量，作为招募，随访和依从率的函数来量化可行性。我们使用该指标来定义在试点中进行检验的假设，提出了一个检验统计量，并展示了如何计算该检验的错误率，用于具有单一正态分布主要终点的双臂平行组确定性试验的常见场景。我们使用我们的方法来重新设计TIGA-CUB，一个外部试点试验，比较心理治疗与常规治疗行为障碍儿童。然后，我们扩展了我们的公式，包括使用试点数据来估计主要终点的标准差。并将其纳入进展决定中。
2019-08-15 stat.ME
Beyond the Composite: Enhancing Trial Analysis through a Divide & Conquer Approach to 'Days Alive and at Home': Insights from the NOTACS trial
MRC Biostatistics Unit University of Cambridge（剑桥大学医学研究委员会生物统计学单元）；Papworth Trials Unit Collaboration Royal Papworth Hospital（罗亚尔帕普沃斯医院帕沃斯试验单位合作）
针对“存活且居家天数”（DAH）这类零膨胀、左偏、双峰分布的复合终点，提出一种分治模型将其分解为不同部分分别建模，显著改善模型拟合，支持基于模拟的样本量计算和统计检验性能评估。
2026-05-22 stat.AP stat.ME
Covariate adjustment and prediction of mean response in randomised trials
除了随机分组外，随机试验的分析通常基于调整基线协变量的回归模型。基于这些模型，通过对试验中基线协变量经验分布的基于模型的预测进行平均，可以获得分配至每种治疗的人群的边际平均结局估计值。我们确定在什么条件下，这样的估计是一致的，特别是表明，典型的广义线性模型，所得到的估计总是一致的。我们发现，最近提出的方差估计低估了真实的方差时，基线协变量是不固定的重复采样，并提供了一个简单的调整，以弥补这一点。我们还描述了一种替代的半参数估计，即使当使用的结果回归模型是错误的，这是一致的。不同的估计比较，通过模拟和应用，最近进行的试验在哮喘。
2017-07-14 stat.ME
Robustness of ANCOVA in randomised trials with unequal randomisation
具有连续结局的随机试验通常使用ANCOVA进行分析，并对预后基线协变量进行调整。在最近发表的一篇文章中，Wang \etal证明，在这种情况下，如果每种治疗的随机化概率为1/2，则基于模型的治疗效应标准误估计量在结局模型错误指定下是一致的。在这篇文章中，我们扩展了他们的结果，允许不平等的随机化。这些表明，当随机化概率不等于1/2时，基于模型的标准误通常不一致。相比之下，当随机化概率不相等时，三明治标准误可以在错误指定下提供渐近有效的推断，因此建议在随机化不相等时使用。
2019-05-21 stat.ME
Covariate adjustment in randomised trials: canonical link functions protect against model mis-specification
协变量调整有可能增加随机试验分析的功效，但调整模型的错误设定可能导致错误。我们探讨了在协变量在随机化治疗之间完全平衡的情况下，当调整模型忽略了随机化治疗相互作用的协变量时可能出现的错误。我们使用数学论证和对单个假设数据集的分析。我们表明，分析与典型的链接函数的广义线性模型导致零下没有错误-也就是说，如果处理效应是真正的调整后的模型下为零，那么它也是在未调整的模型下为零。然而，使用非规范的链接函数不会给出此属性，并在null下导致潜在的重要错误。即使在大样本中也存在误差，因此构成偏倚。我们的结论是随机试验的协变量调整分析应避免非典型联系。如果边际风险差异是估计的目标，则不应使用身份链接进行估计;替代的首选方法包括标准化和治疗加权的逆概率。
2021-07-15 stat.ME
Demystifying estimands in cluster-randomised trials
本文通过潜在结果框架正式定义了整群随机试验中估计目标的关键属性（边际/群特异、参与者/群平均），并展示估计目标与估计量的选择如何影响治疗效应解释和统计结论，强调仔细规范二者对确保试验回答正确问题的重要性。
2024-02-22 stat.ME
Tools to help patients and other stakeholders' input into choice of estimand and intercurrent event strategy in randomised trials
MRC Clinical Trials Unit at UCL, UCL（伦敦大学学院医学研究委员会临床试验单元）；Department of Biostatistics and Health Informatics, Institute of Psychiatry, Psychology and Neuroscience, King's College London（伦敦国王学院精神病学、心理学和神经科学研究所生物统计与健康信息学系）；Aberdeen Centre for Evaluation, University of Aberdeen（阿伯丁大学阿伯丁评估中心）；Imperial Clinical Trials Unit, School of Public Health, Imperial College London（帝国理工学院公共卫生学院帝国临床试验单元）
本文提出三种工具，帮助患者和其他利益相关者参与随机试验中估量项和继发事件策略的选择，以提高决策的相关性。
2026-01-14 stat.ME
Planning a method for covariate adjustment in individually-randomised trials: a practical guide
背景资料：长期以来，人们一直建议在验证性随机试验的分析中考虑基线协变量，主要的统计学理由是这会增加功效，并且当随机化方案平衡协变量时，允许有效估计实验误差。有多种方法可用于解释协变量，但不清楚如何选择。研究方法：从撰写统计分析计划的角度来看，我们考虑如何在三种最有前途的广泛方法之间进行选择：直接调整、标准化和治疗加权的逆概率。结果如下：这三种方法在渐近有效性，错误指定协变量函数的效率损失以及处理设计平衡方面是相似的。如果目标是边际被估量（例如，风险差异或生存差异），则应避免直接调整，因为它涉及拟合受收敛问题影响的非标准模型。融合最有可能与IPTW。IPTW使用的稳健标准误在小样本量下是反保守的。所有方法都可以使用类似的方法来处理缺失的协变量数据。由于结局数据缺失，每种方法都有自己的方法来估计全随机化人群的处理效应。我们说明了一些问题，在重新分析GetTested，随机试验，旨在评估电子性传播感染检测和结果服务的有效性。结论：没有一种方法总是最好的：选择将取决于试验背景。我们鼓励试验者更经常地考虑所有三种方法。
2021-12-08 stat.ME
Instrumental variable approaches for estimating complier average causal effects on bivariate outcomes in randomised trials with non-compliance
在随机对照试验（RCT）中，治疗不依从的情况下，使用工具变量方法来估计复杂的平均因果效应。我们将这些方法扩展到成本效益分析，其中方法需要认识到成本和健康结果之间的相关性。我们提出了一个贝叶斯全似然（BFL）的方法，它联合模型的随机分配对接受的治疗和结果的影响，和一个三阶段的最小二乘法（3SLS）的方法，它承认之间的相关性的终点，和接受的治疗的endointerval。本研究的动机是REFLUX研究，该研究证实了RCT和常规实践之间依从性差异的设置。通过仿真比较了这些方法的性能。我们发现，未能正确建模的结果和接受的治疗之间的相关性可能会导致不良的CI覆盖率和有偏估计。相比之下，BFL和3sls方法提供了具有良好覆盖率的无偏估计。
2016-12-01 stat.ME
Missing binary outcomes under covariate dependent missingness in cluster randomised trials
结果缺失是整群随机试验中经常出现的问题，如果忽略或处理不当，可能导致偏倚和低效的推断。分析这类试验的两种方法是聚类水平分析和个体水平分析。在这项研究中，我们评估了未调整的聚类水平分析，基线协变量调整的聚类水平分析，随机效应逻辑斯谛回归（RELR）和广义估计方程（GEE）的性能时，在基线协变量依赖的缺失机制下的二元结果缺失。使用完整记录分析（CRA）和多水平多重插补（MMI）处理缺失结局。我们分析表明，使用完整记录估计风险比（RR）的聚类水平分析是有效的，如果真实的数据生成模型具有日志链接和干预组具有相同的缺失机制和相同的协变量效应的结果模型。我们进行了一项模拟研究，考虑了四种不同的情况，这取决于干预组之间的缺失机制是相同还是不同，以及干预组与结局模型中的基线协变量之间是否存在相互作用。基于仿真研究和分析结果，我们给出了指导的条件下，每种方法是有效的。
2016-08-18 stat.ME
Two-stage Adaptive Design Cluster Randomised Trials
University of Birmingham（伯明翰大学）
本文提出了一种两阶段自适应设计方法，用于集群随机对照试验，通过中期分析实现样本量的动态调整和试验重新设计，以提高效率和减少成本。
2026-08-31 stat.AP stat.ME
Designing and evaluating advanced adaptive randomised clinical trials: a practical guide
Copenhagen University Hospital – Rigshospitalet（哥本哈根大学医院 - 利希斯皮塔勒）；University of Copenhagen（哥本哈根大学）
本文为高级自适应随机临床试验的设计与评估提供实用指南，涵盖贝叶斯框架下的自适应停止、臂剔除和响应自适应随机化，并附模拟代码，助力试验人员、方法学家和生物统计学家。
2025-01-15 stat.ME
The DURATIONS randomised trial design: estimation targets, analysis methods and operating characteristics
背景设计试验以缩短治疗时间在包括结核病和抗生素在内的几个治疗领域非常重要。我们最近提出了一种新的随机试验设计，以克服标准双臂非劣效性试验的一些局限性。这种持续时间设计涉及将患者随机分配到多个持续时间组，并对所谓的持续时间-反应曲线进行建模。本文研究了从估计曲线中推断的不同统计方法的操作特性（1型和2型错误）。方法.我们的第一个估计目标是在特定的风险差裕度内不劣于控制（最大）持续时间的最短持续时间。我们比较了不同的方法来估计这个数量，包括使用模型置信带，三角洲方法和自助法。然后，我们探讨了结果的普遍性，估计目标，重点是绝对事件率，风险比和曲线的梯度。结果我们通过模拟表明，在大多数情况下，对于大多数估计目标，使用自举来估计目标持续时间周围的变异性，对于类似于功率和类型1错误的持续时间设计适当的量，会产生良好的结果。不建议使用模型置信带，而delta方法在某些情况下会导致膨胀的第1类错误，特别是当最佳持续时间非常接近随机持续时间之一时。结论.在DURATIONS设计中使用自助法估计最佳持续时间在广泛的场景中具有良好的操作特性，并且可以被希望设计DURATIONS试验以减少治疗持续时间的研究人员放心使用。围绕几个不同的目标的不确定性，可以估计这种自助方法。
2020-02-25 stat.ME
Covariate adjustment for linear models in estimating treatment effects in randomised clinical trials. Some useful theory to guide simulation
本文提出三方面系统评估随机临床试验中协变量调整的效应，重点推导VIF的方差公式，并通过模拟验证其预测准确性，为协变量调整提供理论指导。
2025-08-07 stat.ME
Missing continuous outcomes under covariate dependent missingness in cluster randomised trials
在整群随机试验（CRT）中，常发生Atomic，导致结局数据缺失。分析这类试验的两种方法是聚类水平分析和个体水平分析。本文比较了未调整聚类水平分析、基线协变量调整聚类水平分析和线性混合模型（LMM）分析在基线协变量依赖缺失（CDM）下的偏倚、平均估计标准误和覆盖概率。采用完全病例分析（CCA）和多重插补（MI）方法处理缺失的结果数据。根据两个干预组中缺失机制和协变量对结果的影响是否相同或不同，考虑了四种可能的情况。我们发现，未经调整的聚类水平分析和基线协变量调整聚类水平分析，只有当两个干预组有相同的缺失机制和相同的协变量效应，这是可以说是不太可能在实践中举行的干预效果的无偏估计。LMM和MI在所有四种考虑的情景下给出了无偏估计，前提是当两个干预组的协变量效应不同时，模型中包含干预指标和协变量的相互作用。MI略微高估了平均标准误，导致功效降低。
2016-03-14 stat.ME
Estimating cluster-level local average treatment effects in cluster randomised trials with non-adherence
不依从分配的治疗是群集随机试验（CRT）中的常见问题。在这些情况下，疗效被估量也可能是感兴趣的。近年来，许多方法学贡献主张使用工具变量来识别和估计局部平均处理效应（LATE）。然而，CRT随机化的聚集性增加了此类分析的复杂性。在本文中，我们表明，在一定的假设下，可以通过两阶段最小二乘法（TSLS）使用聚类水平的总结结果和接受的治疗来估计LATE。实现需要考虑到这一点，以及可能的异方差，以获得有效的推论。我们使用模拟来评估集群级或个人级的不遵守下的集群级汇总的TSLS的性能，有和没有加权和强大的标准误。我们还探讨了调整集群水平的协变量和适当的自由度校正的影响。我们发现，TSLS估计使用集群水平的总结提供了小到可以忽略不计的偏差和覆盖率接近名义水平的估计，提供小样本自由度校正用于推断，适当使用强大的标准误。我们通过重新分析英国初级卫生机构的CRT来说明这些方法。
2018-12-04 stat.ME
Adding new experimental arms to randomised clinical trials: impact on error rates
背景：实验性治疗经历了不同的发展阶段。如果一种治疗方法通过了早期实验，研究人员可能希望在后期随机对照试验中对其进行评估。一个有效的方法是将其作为一个新的研究部门加入到正在进行的试验中。这允许在现有组继续的同时添加新治疗。家系第一类错误率（FWER）通常是任何多组试验中关注的关键量。我们着手澄清在试验开始一段时间后增加新武器时应如何计算。方法：我们展示了当一个新的手臂被添加到一个平台试验时，如何计算FWER，任何对和所有对的功率。我们推广了Dunnett概率，推导了现有两两比较的检验统计量与新增加的两两比较的检验统计量之间的相关性的解析公式，并通过模拟验证了我们的解析推导。结果如下：我们的研究结果表明，FWER取决于来自共同对照组患者的共享对照组信息（即连续和二元结局中的个体以及事件发生时间结局中的主要结局事件）和分配比率。FWER更多地由成对比较的数量和相应的（成对）第一类错误率驱动，而不是由添加新组的时间驱动。如果成对比较的检验统计量之间的相关性小于0：30，则可以使用Šidák校正来估计FWER。结论：我们在本文中提出的发现可用于设计预先计划的延迟组试验，或在需要控制成对错误率（PWER）或FWER（用于成对比较的子集）的正在进行的平台试验中设计新的成对比较。
2019-02-14 stat.ME
Evaluating the performance of Bayesian cumulative logistic models in randomised controlled trials: a simulation study
本研究通过蒙特卡洛模拟评估四种有序结局建模方法在随机对照试验中的性能，发现非比例优势场景下无约束/有约束部分比例优势模型及logistic回归的估计更准确。
2025-07-29 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
Handling missing values in cost-effectiveness analyses that use data from cluster randomised trials
公共政策制定者使用成本效益分析（CEA）来决定提供哪些卫生和社会保健干预措施。尚未开发出在复杂环境中处理缺失数据的适当方法，例如使用来自整群随机试验（CRT）的数据的CEA。我们提出了一个多层次的多重插补（MI）的方法，识别时，缺失数据有一个层次结构，是兼容的双变量多层次模型用于报告成本效益。我们将多节段MI方法与单节段MI进行对比，并在CEA和CRT中进行完整的病例分析。本文强调了采用原则性方法处理复杂数据结构设置中的缺失值的重要性。
2012-06-26 stat.AP stat.ME
Transporting summary measures of relative effects from randomised trials to the treated patient population: an application to breast cancer endocrine therapy
University of Oxford（牛津大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
本研究提出结合常规诊疗数据与随机试验汇总效应指标，估计接受治疗者的绝对治疗效果（ATT），并应用于乳腺癌内分泌治疗，以支持临床决策。
2026-09-22 stat.AP stat.ME
Bayesian design and analysis of two-arm cluster randomised trials using assurance: extension to binary outcomes and comparison of MCMC and INLA
Newcastle University（纽卡斯尔大学）；Islamic University of Madinah（麦地那伊斯兰大学）
本文针对连续和二分类结局的双臂整群随机试验，提出基于保证（assurance）的贝叶斯样本量计算方法，并通过 SPEEDY 试验案例比较 MCMC 与 INLA 两种推断方案在速度、准确性及适用场景上的差异，给出使用建议。
2025-11-10 stat.ME
Analysis of Stepped-Wedge Randomised Cluster Trial using a generalized pairwise comparison approach : a simulation study
INSERM U1059（法国国家健康与医学研究院 U1059）；CHU Saint-Étienne（圣艾蒂安大学医院）；International Drug Development Institute (IDD)（国际药物开发研究所）；University of Hasselt, I-BioStat（哈瑟尔特大学 I-BioStat）；Université Jean Monnet（让·莫内大学）；Leiden University Medical Center (LUMC)（莱顿大学医学中心）；Université Paris Cité（巴黎西岱大学）；AP-HP（巴黎公立协助医院）；Brest University Hospital (CHU de Brest)（布雷斯特大学医院）；Univ Brest（布雷斯特大学）
本研究通过模拟分析，确定了在阶梯楔形随机集群试验中使用广义成对比较方法的两种最可靠策略：分层混合效应模型和受限PIM。
2026-03-02 stat.ME
Stratification in Randomised Clinical Trials for Rare Diseases and Analysis of Covariance: Some Simple Theory and Recommendations
Medical University of Vienna（维也纳医科大学）；University of St Andrews（圣安德鲁斯大学）
针对罕见病临床试验中连续协变量分层问题，本文提出简单理论，重点分析方差膨胀因子，建议模型中始终包含连续协变量，并视情况可加入分层指标。
2025-10-23 stat.ME
Optimal Study Designs for Cluster Randomised Trials: An Overview of Methods and Results
本文综述了整群随机试验最优设计的三类统计与计算方法，讨论了权重取整及非高斯模型扩展，并通过多案例对比验证了不同方法在整群分配、观测数量选择等问题上的应用效果。
2023-07-19 stat.AP stat.ME
Generating the right evidence at the right time: Principles of a new class of flexible augmented clinical trial designs
在过去的几年里，越来越多的举措旨在将验证性随机临床试验（RCT）之外产生的信息整合到药物开发中。然而，非同时和通过观察性研究生成的数据可能提供难以与随机试验数据进行比较的结果。此外，这些数据可以用来回答的科学问题往往是模糊的。我们的出发点是使用明确定义的证据生成目标，这些目标是为了与卫生技术评估（HTA）机构进行早期讨论而制定的，并且是对新治疗授权的监管要求的补充。我们提出了FACTIVE（Flexible Augmented Clinical Trial for Improved eVidencE generation），这是一类新的研究设计，可以灵活地增强具有并发和接近真实世界元素的验证性随机对照试验。这些使能设计便于在确认部分中估计某些处理效应，并在同时的真实世界部分中估计其他互补的处理效应。每个利益攸关方都应使用与其自身决策框架相关的证据。高质量的数据是在一个单一的协议下产生的，随机化的使用确保了严格的统计推断和解释内和实验的不同部分之间。卫生技术评估机构的决策证据可以比目前更早获得。
2022-11-03 stat.ME
Optimal Bayesian stepped-wedge cluster randomised trial designs for binary outcome data
基于广义估计方程和近似设计理论确定二元结局阶梯整群随机试验的贝叶斯D-最优设计，发现其效率优势取决于相关结构，在强时间段效应下可能显著优于传统设计，但需更多假设且正态近似方法通常更简便。
2024-02-15 stat.ME
A novel estimand to adjust for rescue treatment in clinical trials
随机临床试验结果的解释往往因并发事件而变得复杂。例如，有时会在患者疾病恶化时给予补救药物，无论是作为随机治疗的补充还是替代治疗。此类药物的使用使意向治疗分析的解释复杂化。鉴于此，我们提出了一种新的被估量，定义为当且仅当活性组患者在随机分配至对照组时转换为补救药物时，观察到的意向治疗效应。这使我们能够将处理效应与补救药物对患者结局的影响区分开来，同时避免在推断没有补救药物的情况下的意向治疗效果时通常需要的强外推。我们开发了一种逆概率加权方法来在特定的不可检验假设下估计该被估计量，鉴于此，我们提出了敏感性分析。我们使用该方法分析了杨森制药公司进行的一项临床试验，在该试验中，慢性病患者可以出于伦理原因改用急救药物。蒙特卡罗模拟证实，建议的估计是无偏的中等样本量。
2020-09-25 stat.ME
Supervised variable selection in randomised controlled trials prior to exploration of treatment effect heterogeneity: an example from severe malaria
探索处理效应异质性（TEH）是现代统计分析在随机对照试验（RCT）中分层药物的一个越来越重要的方面，因为我们开始收集更多关于试验参与者的信息，并希望最大限度地从数据中学习的机会。但是，分析人员应避免在治疗相互作用发现阶段纳入大量变量。因为这样做可以显著稀释检测治疗和协变量之间任何真实结果预测相互作用的能力。目前的指导是有限的，主要依赖于使用无监督的学习方法，如层次聚类或主成分分析，以减少互动测试之前的变量空间的维度。在这篇文章中，我们表明，结果驱动的降维，即监督变量的选择，可以保持功率没有膨胀的第一类错误或假阳性率。我们提供了理论和应用结果来支持我们的方法。应用的结果是从说明我们的框架上的数据集从一个RCT在严重疟疾。我们还特别注意TEH发现的内部风险模型方法，我们表明这是我们的方法的一个特殊情况，我们指出对当前实施的改进。
2019-01-11 stat.AP stat.ME
Mediation effects that emulate a target randomised trial: Simulation-based evaluation of ill-defined interventions on multiple mediators
许多流行病学问题涉及潜在的干预措施，以改变假定介导关联的途径。例如，我们考虑了一项研究，该研究调查了年轻人的干预措施对改善青少年自我伤害者相对于健康同龄人的中年心理社会结果的益处。出现了两个方法上的挑战。首先，调解方法迄今大多集中在寻找途径这一难以捉摸的任务上，而不是评价调解人的干预措施。其次，这些问题的复杂性总是如此，以至于没有关于明确定义的干预措施（即实际治疗，计划等）的现有数据。捕获感兴趣的人群、结果和时间跨度。相反，研究人员必须依靠暴露（非干预）数据来解决这些问题，例如自我报告的物质使用和就业。我们解决由此产生的挑战，通过指定一个目标试验解决三个政策相关的问题，关于影响的假设（而不是实际）的干预措施，将转移介质的分布（单独，联合或顺序），用户指定的分布，可以模拟与观察到的数据。然后，我们定义映射到本试验的新的干预效应，通过将介质设置为从这些分布中随机抽取来模拟变化。我们表明，估计使用g-计算方法是可能的因果关系的假设相对于推理与定义明确的干预下的扩展集。这些扩大的假设反映了较低水平的证据，这是不可避免的不明确的干预措施。应用程序的自我伤害的例子，使用维多利亚州青少年健康队列研究的数据说明了我们的建议，为今后的实际干预措施的设计和评估提供信息的价值。
2020-07-13 stat.ME
Bayesian design and analysis of two-arm cluster randomised trials using assurance
我们考虑设计一项具有连续结局的两组优效性随机对照试验（RCT）。我们详细的贝叶斯推断的分析试验使用线性混合效应模型。使用处理效应的后验分布比较处理与对照。我们开发的形式的保证选择样本量的基础上，这种分析，其评价使用两个循环蒙特卡罗抽样方案。我们评估所提出的方法，考虑到不同形式的先验分布的影响，以及在两个循环中所需的蒙特卡罗样本的数量，以准确确定的保证和样本量。根据这一评估，我们对每一种选择提供一般性建议。我们将该方法应用于卒中后尿失禁的整群随机对照试验的样本量选择，并将所得样本量与基于Wald检验的把握度计算和保证的样本量进行比较，以确定处理效应。如果先验信息表明处理效应可能大于最小临床重要差异，则本文中开发的贝叶斯设计和分析方法在增加所选样本量对参数错误指定的稳健性和减少样本量方面具有优势。
2022-08-26 stat.AP stat.ME
Jointly modeling multiple endpoints for efficient treatment effect estimation in randomized controlled trials
University of Minnesota（明尼苏达大学）
本文提出了一种基于主要和次要终点联合模型的治疗效应估计器，通过信息整合提高效率并增强鲁棒性，应用于低尼古丁香烟对吸烟者戒烟比例的影响研究。
2025-06-03 stat.ME
A Bayesian Treatment Selection Design for Phase II Randomised Cancer Clinical Trials
本文提出一种基于后验区间概率的贝叶斯II期随机癌症临床试验设计，可选择最佳治疗并给出两种样本量确定方法，辅以R Shiny工具支持临床应用。
2025-05-14 stat.AP stat.ME
Evaluating the effect of different non-informative prior specifications on the Bayesian proportional odds model in randomised controlled trials: a simulation study
本研究通过模拟试验对比不同无信息先验对贝叶斯比例优势模型的影响，发现先验选择会影响治疗效应估计与早期停止决策，建议结合对照组概率分布选先验并做敏感性分析。
2025-07-29 stat.ME
Estimating heterogeneous treatment effects from randomised trials: a comparison of the risk modelling and treatment effect modelling approaches
University of Bern（伯尔尼大学）
本研究比较了随机对照试验中估计异质性治疗效果的两种方法（风险建模与治疗效果建模），通过理论分析和模拟实验发现风险建模在多数情况下表现更优，但优势随样本量增大而减弱。
2026-09-21 stat.ME
On Preparing a List of Random treatment Assigns
本文介绍了一种面向计算机的方法，用于准备随机对照试验中采用的随机治疗分配列表的基础。介绍了可用于临床试验和生物等效性试验早期阶段的软件。在临床试验中将患者分配到治疗中可确保治疗数量完全相等。对分配的随机性的研究导致了“强随机列表”的概念。本说明中介绍的新方法基于阈值，并产生了一个强有力的治疗分配随机列表。
2015-02-11 stat.AP stat.ME
Deep Historical Borrowing Framework to Prospectively and Simultaneously Synthesize Control Information in Confirmatory Clinical Trials with Multiple Endpoints
在当前的临床试验开发中，历史信息受到更多关注，因为它提供的效用超出了样本量计算。元分析预测（MAP）先验和鲁棒MAP先验已被提出用于前瞻性地借用单个终点的历史数据。为了同时综合验证性临床试验中多个终点的控制信息，我们提出从贝叶斯分层模型中近似后验概率，并通过深度学习估计临界值，以构建用于假设检验的预定策略。该功能对于通过在试验实施前建立前瞻性决策功能来确保研究完整性非常重要。仿真结果表明，我们的方法适当地控制家庭明智的错误率（FWER），并保留权力相比，一个典型的做法，选择恒定的临界值给定的一个子集的零空间。令人满意的性能下的先验数据冲突也被证明。我们使用免疫学中的案例研究进一步说明我们的方法。
2022-08-02 stat.ME
Efficient, Doubly Robust Estimation of the Effect of Dose Switching for Switchers in a Randomised Clinical Trial
受Janssen Pharmaceuticals进行的一项临床试验的启发，在该试验中，将灵活的给药方案与安慰剂进行了比较，我们评估了治疗组的转换者（即，换用高剂量的患者）如果继续使用低剂量，他们的情况会更好。这是为了了解灵活的剂量是否对他们有潜在的好处。简单地将这些患者的反应与保持低剂量的患者的反应进行比较是不令人满意的，因为后者的患者通常健康状况更好。由于所考虑的试验中的可用信息太少，无法进行可靠的调整，因此我们将从同时对同一靶点进行的固定剂量试验中传输数据，尽管不是在相同的患者人群中。特别是，我们将提出一个估计依赖于一个结果模型和一个倾向得分模型的研究和患者的特征之间的关联。建议的估计是渐近无偏的，如果两个模型中的至少一个是正确指定的，和有效的（下的模型定义的限制的倾向得分），当两个模型都正确指定。我们表明，所提出的使用外部研究结果的方法一般适用于由于阳性违反而不可能进行经典混杂调整的研究（例如，以确定性方式发生切换的研究）。蒙特卡罗模拟和应用的激励研究证明了足够的性能。
2020-09-04 stat.AP stat.ME
Improving phase II oncology trials using best observed RECIST response as an endpoint by modelling continuous tumour measurements
在许多实体瘤II期试验中，使用基于实体瘤疗效评价标准（RECIST）量表的终点评估患者。分析通常是根据答复率进行的。这是观察到肿瘤缩小超过预定水平且无新肿瘤病变的患者比例。为了提高响应率估计量的精度，提出了增广二元方法。该方法包括模拟肿瘤缩小以避免将其一分为二。然而，在许多试验中，观察到的最佳反应被用作主要结果。在这些试验中，患者被随访至进展，并且其最佳观察到的RECIST结果被用作主要终点。在本文中，我们提出了一种扩展增广二元方法的方法，以便在结果是最佳观察响应时可以使用它。我们通过模拟数据和来自真实II期癌症试验的数据表明，这种方法提高了单臂和随机试验的功效。与传统分析相比，功效的平均增益相当于样本量增加约35%。提出了一种改进的方法，以减少所需的计算量。我们表明，这种修改后的方法保持了很大的效率优势。
2017-03-01 stat.ME
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
Bayesian fusion forests for heterogeneous treatment effects on survival from randomised and real-world data
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Amsterdam University Medical Centre（阿姆斯特丹大学医学中心）
该研究提出贝叶斯融合森林框架，结合随机试验与真实世界数据估计生存异质性处理效应，经模拟和HIV数据分析显示其效率优于仅试验分析，可明确识别患者获益。
2026-08-03 stat.ME stat.ML
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 Unified Approach to Covariate Adjustment for Survival Endpoints in Randomized Clinical Trials
本文提出一种统一且易于理解的增广方法，用于随机临床试验中生存终点的协变量校正，通过统计或机器学习估计最优增广项以最小化渐近方差，并在R包sleete中实现。
2025-05-08 stat.ME
Design of Trials with Composite Endpoints with the R Package CompAREdesign
复合终点被广泛用作临床试验的主要终点。设计具有至事件发生时间终点的试验可能特别具有挑战性，因为当使用复合终点时，比例风险假设通常不成立，即使前提对于其组分仍然成立。因此，传统的样本量计算公式不再适用。我们提出了R软件包CompARE设计，通过它的试验设计的关键要素，如样本量和效应量，可以计算的基础上的复合终点组件的信息。CompAREdesign提供了评估设计计算对初始值和假设变化的敏感性和稳健性的功能。此外，我们还描述了该软件包的其他功能，如二元复合终点试验设计功能，以及在各种情况下模拟复合终点试验的功能。
2022-11-04 stat.AP stat.ME
Statistical analyses of ordinal outcomes in randomised controlled trials: protocol for a scoping review
随机对照试验旨在评估一种（或多种）健康干预措施相对于其他标准干预措施的影响。随机对照试验有时使用顺序结局，这是一个终点，由多个单调有序的类别组成，这些类别不一定由可量化的距离分开。有序结果在临床环境中是有吸引力的，因为疾病状态可以代表可能具有临床重要性的有意义的类别。与二分结果相比，它们还可以保留信息并增加统计功效。随机对照试验中有序结果的目标参数可能会因研究问题的性质、建模假设和数据分析师的专业知识而异。本范围审查的目的是系统地描述当代RCT中顺序结局的使用。具体而言，我们的目标是（i）确定哪些目标参数是在使用有序结果的试验中感兴趣的;（ii）描述如何在RCT中分析有序结果以估计处理效应;（iii）描述使用有序结果的RCT是否充分报告了结果分析的关键方法学方面。本综述的结果将概述随机对照试验中使用顺序结局的实践现状。将讨论如何改善随机对照试验中顺序结局的分析和报告。我们将回顾2012年1月1日至2022年7月31日期间在四大医学期刊（BMJ，NEJM，The Lancet和JAMA）上发表的使用顺序结局的RCT。将使用PubMed进行审查。我们的审查将遵循PRISMA-ScR清单中描述的范围审查指南。将从合格研究中提取研究特征和设计，包括目标参数和统计方法。将使用描述性统计量对数据进行总结。
2022-08-12 stat.AP stat.ME
The use of registry data to extrapolate overall survival results from randomised controlled trials
背景资料：上市前生存率估计值通常仅限于随机对照试验（RCT）中直接观察到的结果。然而，对于监管和卫生技术评估（HTA）决策，通常需要比RCT研究更长的时间范围。因此，需要外推来估计长期处理效应。登记研究数据可提供证据支持从RCT外推处理效应，RCT被认为是新药申请效果证据的主要来源。有许多方法可用于外推生存数据，如指数、Weibull、Gompertz、对数逻辑或对数正态参数模型。不同的方法有不同的函数形式，并可能导致不同的生存估计。方法：本文的目的是使用注册数据来补充相对短期的RCT数据，以获得长期疗效估计。未检验正式假设。我们探讨了上述参数回归模型以及基于局部线性（参数）回归的非参数回归模型。我们还探讨了一个贝叶斯模型约束的长期估计的生存文献中报道，贝叶斯功率先验方法从已发表的文献中观察到的变异性，和贝叶斯模型平均（BMA）的方法。该方法用于外推转移性黑色素瘤RCT的总生存期。结果如下：结果表明，BMA方法能够很好地拟合RCT数据，在有或没有SEER Medicare登记的情况下，曲线下面积的变异性最低，长达72个月。结论：在缺乏长期数据的情况下，BMA方法是外推总生存期的可行方法。
2019-10-24 stat.AP stat.ME
Treatment Effect Quantification for Time-to-event Endpoints -- Estimands, Analysis Strategies, and beyond
本文将时间至事件终点纳入ICH E9增补的估计目标框架，揭示比例风险假设不成立时logrank检验和Cox回归所针对的估计目标依赖删失分布，并结合大型试验分析提出未来试验规划建议。
2018-10-05 stat.ME
Non-constant hazard ratios in randomized controlled trials with composite endpoints
风险比通常用作总结指标，以评估具有至事件发生时间终点的临床试验中的处理效应。它经常被假设为随时间而变化的常数，尽管这种假设经常不成立。当风险比显著偏离恒定值时，其合理值的平均值不是处理效应的有效测量值，可能在临床上产生误导，常用的样本量公式不适用。在本文中，我们研究的风险比沿时间的两个组成部分的复合终点的假设下，风险比是常数。这项工作考虑了两个措施来量化风险比的非比例性：随着时间的推移，风险比的最大值和最小值之间的差异$D$和相对措施$R$代表最小可检测和平均效应的样本量之间的比率。我们通过ZODIAC试验说明了$D$和$R$，该试验的主要终点是无进展生存期。我们进行了一项模拟研究，得出了不同风险比值、不同事件发生率和组件之间不同关联程度的情景。我们举例说明了复合终点产生非恒定风险比的情况，并考虑了对样本量的可能影响。结果表明，两个分量的风险比之间的距离起着重要的作用，特别是当它们接近1。此外，即使每种组分的处理效应相似，如果两种组分的危害显著不同，则复合物的风险比通常是非恒定的。
2019-07-25 stat.ME
How to design a MAMS-ROCI (aka DURATIONS) randomised trial: the REFINE-Lung case study
本文以REFINE-Lung试验为例，展示了如何利用基于ADEMP框架的模拟研究来实际设计MAMS-ROCI（原DURATIONS）随机试验，包括设计选择、模拟结果及样本量论证。
2023-04-19 stat.AP stat.ME
Utility-Based Dose Optimization Approaches for Multiple-Dose Randomized Trial Designs Accounting for Multiple Endpoints
针对多终点多剂量随机试验，提出U-MET-m和CUI-MET两种基于效用的剂量优化方法，通过贝叶斯推断比较效用指标以识别最佳生物学剂量，模拟显示其操作特性良好。
2025-02-26 stat.ME
