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
Design optimisation and post-trial analysis in group sequential stepped-wedge cluster randomised trials
最近，提出了一种方法，以促进在逐步楔形（SW）整群随机试验（CRT）中纳入中期分析。在这里，我们扩展了前面的讨论。我们详细说明了如何停止边界，分配序列，和每集群每周期样本量的一组顺序SW-CRT可以优化。然后，我们描述的方法，点估计，p值，和置信区间，占顺序性质的设计，可以计算。我们证明，与经典设计相比，最佳序贯设计可以将原假设下预期所需的测量次数减少高达30%，而无需花费最大可能所需的测量次数。此外，调整后的分析程序几乎普遍降低了点估计值的平均偏倚，并始终提供覆盖率接近标称水平的置信区间。相比之下，观察到初始95%置信区间的覆盖范围在92%至98%之间。方法学现在是现成的有效的设计和分析组顺序SW-CRT。在有充分的伦理或经济理由尽快终止SW-CRT的情况下，试验者应强烈考虑分组序贯方法。
2018-03-26 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
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
Measurement error in continuous endpoints in randomised trials: problems and solutions
在随机试验中，连续终点的测量通常存在一定程度的误差。本研究探讨了忽略测量误差的影响，并提出了在存在测量误差的情况下改进统计推断的方法。连续端点的三种主要类型的测量误差被认为是：经典的，系统的和微分。对于每一种测量误差类型，提出了一种校正效果估计器。对修正后的估计量和几种置信区间估计方法进行了模拟试验。这些方法结合了关于未纳入试验的个体（外部校准样本）终点的易出错和无错误测量的信息。我们表明，如果连续终点的测量误差被忽略，处理效应估计是无偏的，当测量误差是经典的，而第二类错误增加在一个给定的样本量。相反，当测量误差是系统误差或微分误差时，估计器可能基本上有偏。在这些情况下，使用来自外部校准样本的信息可以在很大程度上防止偏倚，并改善推断，其中所需的样本量随着易出错和无错误端点之间的关联强度的降低而增加。测量误差校正已经使用一个小的（外部）校准样本，以改善推论，并应考虑在试验中的错误倾向的终点。建议的校正方法的实施是由一个新的软件包为R。
2019-08-29 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
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
A mean score method for sensitivity analysis to departures from the missing at random assumption in randomised trials
大多数随机试验的分析结果不完整，做出了不可检验的假设，因此应进行敏感性分析。然而，用于敏感性分析的方法没有被广泛使用。我们提出了一个平均得分的方法，探索全球的敏感性偏离随机缺失或其他假设不完整的结果数据在随机试验。我们假设在广义线性模型下分析单一结果。由用户指定的一个或多个灵敏度参数测量模式混合模型中与随机随机缺失的偏离程度。我们的方法的优点是，它的敏感性参数是相对容易解释，因此可以从主题专家引出，它是快速和非随机的，其点估计，标准误和置信区间完全同意与标准方法时，特定的敏感性参数的值，使这些标准方法适当。我们使用来自心理健康试验的数据来说明该方法。
2017-05-02 math.ST stat.ME stat.TH
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
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
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
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
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
Adaptive Cohort Size Determination Method for Bayesian Optimal Interval Phase I/II Design to Shorten Clinical Trial Duration
最近，肿瘤学剂量优化策略已转向进行多次给药的II期随机对照试验。从I期试验数据中选择最佳生物剂量以确定II期试验的候选剂量已受到关注。本研究提出了一种新的自适应队列规模确定方法，用于最佳生物剂量发现，以加速试验。根据正在进行的试验的毒性和疗效数据自适应地确定队列规模扩展。在仿真中，所提出的方法缩短了试验时间，并保持精度。与非适应性队列规模确定设计相比，试验持续时间平均缩短约20%。使用一个简单的例子证明了队列规模的扩展。
2023-02-13 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
Re-thinking non-inferiority: a practical trial design for optimising treatment duration
背景资料：在不同的治疗领域，包括细菌感染、结核病和丙型肝炎，需要进行试验以确定最低有效治疗时间。然而，标准的非劣效性设计有几个局限性，包括非劣效性界值的任意性、研究组的选择和非常大的样本量。研究方法：我们重新考虑了在预先规定的范围内对整个持续时间-反应曲线进行建模以找到适当的非劣效治疗持续时间的问题。我们提出了一个多组随机试验设计，将患者分配到不同的治疗持续时间。我们使用分数多项式和样条函数的方法来灵活地建模的持续时间响应曲线。我们比较不同的方法在真实和估计的预测曲线之间的面积的缩放版本。我们评估了对关键设计参数的敏感性，包括样本量、臂的数量和位置。结果如下：将$\sim 500$患者分成中等数量的等距臂（5-7）的总样本量足以在模拟的$95\%$中的$5\%$误差容限内估计持续时间-响应曲线。分数多项式在大多数情况下提供与基于样条的方法相似或更好的结果。结论：我们提出的实用随机试验设计是标准非劣效性设计的替代方案，避免了它们的许多局限性，但对不同可能的持续时间-反应曲线相当稳健。试验结果是整个持续时间-反应曲线，临床医生和政策制定者可以使用它来做出明智的决定，促进摆脱强制二元假设检验范式。
2018-02-05 stat.ME
Orthogonal factorial designs for trials of therapist-delivered interventions: Randomising intervention-therapist combinations to patients
University of Leeds（利兹大学）；University of St Andrews（圣安德鲁斯大学）；King’s College London（伦敦国王学院）
本文提出正交因子设计用于随机分配治疗师-干预组合，以区分治疗师和干预效果，通过方差分析和回归方法评估干预效果及方差。
2026-02-02 stat.ME
Estimating hypothetical estimands with causal inference and missing data estimators in a diabetes trial
本文在2型糖尿病试验中应用假设性策略处理补救治疗与治疗中断，比较混合模型、多重填补、逆概率加权、G公式和G估计等方法，发现估计结果相似，并总结了方法选择的关键考虑因素。
2023-09-22 stat.AP stat.ME
Duration of and time to response in oncology clinical trials from the perspective of the estimand framework
针对肿瘤学临床试验中DOR、TTR终点定义及待回答问题不明确的问题，基于estimand框架提出对应科学问题、估计目标定义及并发事件处理原则，通过套细胞淋巴瘤案例验证，并给出临床方案实施建议。
2022-12-21 stat.ME
Study Duration Prediction for Clinical Trials with Time-to-Event Endpoints Using Mixture Distributions Accounting for Heterogeneous Population
针对生物标志物指导的临床试验持续时间预测问题，提出考虑异质人群的混合分布通用框架，通过模拟和公开试验重新评估验证了预测准确性，并开发了R包detest。
2023-12-31 stat.AP stat.ME
Adaptive design for identifying maximum tolerated dose early to accelerate dose-finding trial
目的：在I期试验中早期确定最大耐受剂量（MTD）导致更快地进展到II期试验或扩展队列以确认疗效。方法：我们提出了一种新的自适应设计，用于早期识别MTD，以加速剂量探索试验。通过贝叶斯分析，使用试验数据，通过剂量保留概率自适应地确定MTD的早期识别。我们将早期识别设计应用于实际试验。仿真研究评估的早期识别设计的性能。结果：在实际研究中，我们证实了可以早期确定MTD，缩短了研究周期。在模拟研究中，早期识别键盘和早期识别贝叶斯最优区间（BOIN）设计中正确MTD选择的百分比与非早期识别版本几乎相同。早期的识别键盘和BOIN设计减少了约50%的研究时间从模型辅助设计。此外，早期识别键盘和BOIN设计减少了约20%的研究时间从时间到事件模型辅助设计。结论：我们建议早期识别MTD，保持准确性，可以缩短研究周期。
2021-10-05 stat.ME
Confirmatory adaptive group sequential designs for clinical trials with multiple time-to-event outcomes in Markov models
Institute of Biostatistics and Clinical Research, University of Münster（明斯特大学生物统计与临床研究研究所）；Department of Pediatric Oncology and Hematology, University Hospital Cologne（科隆大学医院儿科肿瘤与血液科）
本文提出了一种用于具有多个时间到事件结局的马尔可夫模型的确认性自适应分组序贯设计，以提高临床试验中生存终点分析的效率和适应性。
2023-06-28 stat.ME
Bayesian adaptive N-of-1 trials for estimating population and individual treatment effects
本文提出了一种新的自适应设计算法，可用于在N-of-1临床试验中找到最佳治疗分配。这种新的方法使用两个拉普拉斯近似，以提供一个计算有效估计的人口和个人的随机效应内的重复测量，自适应设计框架。鉴于这种方法的效率，它也被用于治疗选择，以收集精确估计处理效应的数据。为了评估这种方法，我们考虑了文献中的模拟和激励性N-of-1临床试验。对于每项试验，我们的方法进行了比较，多臂强盗的方法和随机N-of-1试验设计方面确定最佳治疗方案为每个患者和获得的信息的模型参数。结果表明，我们的新方法选择了能够高效实现这些目标的设计。因此，我们提出了我们的基于拉普拉斯的算法作为一种有效的方法来设计自适应N-of-1试验。
2020-07-29 stat.CO 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
Information-adaptive clinical trials with selective recruitment and binary outcomes
选择性招募设计优先招募估计在临床试验中具有统计学信息的个体。被期望提供较少信息的个人被招募的概率较低。此外，在信息适应性设计中，新兵以最大化信息增益的方式被分配到治疗组。个体的信息量取决于其协变量（或生物标志物）值，如何定义信息是信息自适应设计的关键要素。在本文中，我们定义和评估四种不同的方法来量化统计信息。使用实验数据和数值模拟，我们表明，选择性招募设计可以提供一个显着增加的统计功率相比，随机设计。在没有选择性招募的试验中，我们发现根据信息适应性协议将个体分配到治疗组也会导致统计功效的增加。因此，选择性招募设计可以使用更少的招募人员进行成功的试验，从而提供经济和道德优势。
2017-05-30 math.ST stat.ME stat.TH
Comparison of g-estimation approaches for handling symptomatic medication at multiple timepoints in Alzheimer's Disease with a hypothetical strategy
本研究针对临床试验插补事件处理的假设策略，提出利用部分插补事件结局影响与发生时间无关假设的改进g估计方法，阿尔茨海默病模拟研究显示其在保持无偏性和I类错误控制的同时显著提升估计效率。
2024-09-17 stat.ME
AAA: Triple-adaptive Bayesian designs for the identification of optimal dose combinations in dual-agent dose-finding trials
我们提出了一个灵活的设计，用于确定最佳剂量组合的双剂剂量探索临床试验。该设计被称为AAA，代表三种适应：自适应模型选择、自适应剂量插入和自适应队列划分。适应性突出的需要和机会，创新的双剂剂量发现，并支持在拟议的模拟研究中提出的数值结果。据我们所知，这是第一个同时允许所有三种适应的设计。我们发现AAA改善了统计推断，提高了找到最佳剂量组合的机会，并缩短了试验持续时间。正在计划一项临床试验以应用AAA设计。
2017-06-10 stat.ME
Local average treatment effects estimation via substantive model compatible multiple imputation
不依从分配的治疗在随机对照试验（RCT）中很常见。最近，人们对估计所接受治疗的因果效应，例如所谓的局部平均处理效应（LATE）越来越感兴趣。工具变量（IV）方法可用于识别，通过全参数混合模型或两阶段最小二乘法（TSLS）进行估计。TSLS是流行的，但可能是有问题的二元结果，其中感兴趣的被估量是因果比值比。混合模型在实践中很少使用，也许是因为它们的复杂性和对专业软件的需求。在这里，我们建议使用多重插补（MI）来插补混合模型中出现的潜在顺应类。由于此类模型包括依从性类别和随机化治疗之间的相互作用项，因此在通过极大似然将混合模型拟合到MI数据集并通过Rubin规则组合结果之前，我们使用“实质性模型兼容”MI（SMC MIC），它也可以解决其他缺失数据。我们使用模拟SMC MIC的性能进行比较，现有的方法，并通过重新分析在英国初级卫生RCT的方法。我们表明，SMC MIC可以更有效地比全贝叶斯估计时，辅助变量，并优于两阶段的方法，特别是对二进制的结果。
2018-12-04 stat.ME
Generalizability analyses with a partially nested trial design: the Necrotizing Enterocolitis Surgery Trial
本文针对部分嵌套试验设计提出可推广性分析方法，给出识别条件与因果估计量，并以坏死性小肠结肠炎手术试验为背景，通过模拟研究验证所提估计量的性能。
2023-06-01 stat.ME
Simulation-based Bayesian predictive probability of success for interim monitoring of clinical trials with competing event data: two case studies
本文提出一种基于模拟的贝叶斯预测成功概率方法，通过为竞争事件数据指定特定原因风险的贝叶斯模型来预测试验结果，并在两项随机临床试验中验证了其应用价值。
2024-12-20 stat.AP stat.ME
Familywise error rate control for block response-adaptive randomization
响应自适应随机化允许在临床试验中根据先前观察到的响应数据改变将患者分配到治疗的概率，以实现不同的实验目标。在实践中使用这种设计的一个关注点，特别是从监管的角度来看，是控制第一类错误率。为了解决这个问题，Robertson和Wason（Biometrics，2019）提出了一种方法，可以保证对一大类响应自适应设计进行全族错误率控制。在本文中，我们提出了一个改进，他们的建议，在概念上更简单，在特定的上下文中的块随机试验与一个固定的分配到控制arm.We显示修改后的方法，保证永远不会有负权重的数据块，也可以提供一个很大的权力优势，在实践中。
2022-04-12 stat.AP stat.ME
TrialEmulation: An R Package to Emulate Target Trials for Causal Analysis of Observational Time-to-event Data
本文开发了R包TrialEmulation，利用观察性生存时间数据模拟一系列目标试验，通过计算逆概率权重、拟合边际结构模型来估计治疗的因果效应，并支持在R内存限制内处理大型EHR数据集。
2024-02-19 stat.CO stat.ME
A fast, flexible simulation framework for Bayesian adaptive designs -- the R package BATSS
MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计学单位）；School of Public Health and Preventive Medicine, Monash University（莫纳什大学公共卫生与预防医学院）；Faculty of Informatics and Data Science, University of Regensburg（雷根斯堡大学信息科学与数据科学学院）
本文提出R包BATSS，用于快速模拟贝叶斯自适应设计，支持多种主要结果类型及常见自适应机制，提供灵活的模块化结构。
2026-07-01 stat.CO stat.ME
