Sample size for comparing negative binomial rates in noninferiority and equivalence trials with unequal follow-up times
我们推导了在随访时间不等的非劣效性和等效性试验中基于相对和绝对率差指标比较两个负二项分布率的样本量公式，并建立了基于两个处理效应指标的治疗比较所需样本量之间的近似关系。所提出的方法允许分散参数根据治疗组而变化。这些方法的准确性进行了评估模拟。结果表明，通过将所有个体的随访时间设置为平均随访时间来忽略受试者之间的随访时间差异，可能会大大低估所需的样本量，导致研究效力不足。提供了基于已公布的汇总结果反算色散参数的方法。
2017-04-14 stat.ME
Micro-randomized Trials with Categorical Treatments: Causal Effect Estimation and Sample Size Calculation
本文扩展微随机试验方法至分类处理，提出因果效应估计与样本量公式，并通过模拟和HeartSteps实例验证，确保实际应用中的统计功效。
2025-04-21 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
Sample Size Calculations for Micro-randomized Trials in mHealth
移动干预的使用和发展正在迅速增长。在“即时”移动干预中，通过移动终端提供治疗，旨在帮助个人“在当下”做出健康决定，从而产生近端、近期的影响。目前，移动干预的发展速度比相关的数据科学方法快得多。开发基于数据的方法的第一步是提供一个试验设计，用于测试这些即时治疗的近端效应。在本文中，我们提出了一个“微随机”的试验设计，为此目的。在微随机试验中，治疗在整个研究过程中顺序随机化，结果是每个参与者可以在可能提供治疗的100或1000次机会中随机化。此外，我们开发了一个检验统计量，用于评估治疗的近端效应以及相关的样本量计算器。我们进行模拟评估的样本量计算器在各种设置。经验法则，可用于设计一个微型随机试验进行了讨论。这项工作的动机是我们在HeartSteps移动应用程序上的合作，旨在增加身体活动。
2020-07-22 stat.ME
Robust Design-Based Estimation and Inference for Stratified Randomized Trials with Varying Cluster Sizes
Department of Statistics, University of Michigan（密歇根大学统计系）
针对聚类大小异质的分层随机试验，揭示分层平均估计量不一致性问题，提出Hájek比率估计量作为稳健替代，并开发基于设计的方差估计量。
2026-06-09 stat.ME
Finite-sample bias-variance tradeoff with variables related to trial participation inserted into causal forest models for ensuring generalizability
Division of Preventive Medicine, Department of Medicine, Brigham and Women’s Hospital and Harvard Medical School（预防医学系，内科，布莱根妇女医院和哈佛医学院）；Department of Epidemiology, Graduate School of Medicine, Dentistry and Pharmaceutical Sciences, Okayama University（流行病学科，医药齿学研究院，冈山大学）；Harris School of Public Policy, University of Chicago（哈里斯公共政策学院，芝加哥大学）
本文研究了在因果森林模型中纳入与试验参与相关的变量对有限样本偏差方差权衡的影响，发现IPW方法能有效提升性能，强调单独处理选择偏差的重要性。
2026-05-14 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
Likelihood reweighting methods to reduce potential bias in noninferiority trials which rely on historical data to make inference
一般认为，在对照良好的随机临床试验中，偏倚最小化。然而，在活性对照非劣效性试验中可能会出现偏倚，因为推断依赖于先前从可能针对不同人群进行的历史试验中获得的估计效应量。通过倾向评分实施似然重新加权方法，旨在估计一个试验人群中处理效应的研究可用于估计不同目标人群中的处理效应大小。我们在活性对照非劣效性试验中说明了这种方法，尽管它也可以用于其他类型的研究，如历史对照试验，荟萃分析和比较有效性分析。
2013-11-29 stat.AP
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
What is estimated in cluster randomized crossover trials with informative sizes? -- A survey of estimands and common estimators
University of Pennsylvania（宾夕法尼亚大学）；Monash University（莫纳什大学）；MRC Clinical Trials Unit at UCL（伦敦大学学院医学研究委员会临床试验单元）；Wellington Hospital（惠灵顿医院）；Medical Research Institute of New Zealand（新西兰医学研究所）；Australian and New Zealand Intensive Care Research Centre, Monash University（莫纳什大学澳新重症监护研究中心）；University of Melbourne（墨尔本大学）；Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院）；Yale School of Public Health（耶鲁公共卫生学院）
该研究针对存在信息性规模的2周期整群随机交叉试验，明确了四类加权/未加权估计方法对不同层面治疗效应估计量的一致性，通过模拟与实例验证了嵌套可交换混合效应模型的偏倚风险及其他方法的适用场景。
2025-05-02 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
Micro-randomized Trials with Categorical Treatments and Binary Proximal Outcome: Causal Effect Estimation and Sample Size Calculation
University of California, Irvine（加州大学尔湾分校）
该研究针对含分类处理与二元近端结局的微随机试验，定义因果偏移效应，提出EMEE-catA估计量与样本量公式，经模拟验证稳健性并给出实践指导，以Drink Less MRT数据示例说明方法。
2026-08-06 stat.ME
The stratified micro-randomized trial design: sample size considerations for testing nested causal effects of time-varying treatments
移动设备和可穿戴传感器领域的技术进步有助于克服护理提供方面的障碍，使随时随地提供行为治疗成为可能。这些治疗的提供越来越多地由可能受到先前治疗影响的风险或参与的预测触发。此外，治疗通常被设计为在一段时间内对个体产生影响，在此期间可以提供后续治疗。在这里，我们讨论了我们的工作设计的移动健康戒烟实验研究，其中出现了两个挑战。首先，治疗的随机化应该发生在压力的时候，其次，在一段时间内，可能包括随后的治疗，利息的结果累积。为了应对这些挑战，我们开发了“分层微随机试验”，在该试验中，每个个体在治疗中随机分配，时间由从结果到先前治疗的预测确定，随机分配概率取决于这些结果。我们定义了条件性和边缘性近端处理效应。根据科学目标，这些影响可以在一段时间内定义，在此期间可以提供后续治疗。我们开发了一个主要的分析方法和相关的样本量公式来检验这些影响。
2017-11-09 stat.AP
Enhancing single-arm phase II trials by inclusion of matched control patients
当一种新的治疗方法成功地通过了I期试验时，就有不同的选择来设计后续的II期试验。一种方法是单臂试验，将干预组的反应率与固定比例进行比较。另一种选择是进行随机II期试验，将新治疗与安慰剂或当前标准进行比较。当研究的患者人群在预后因素方面非常异质时，这两种方法都会出现一个重要的问题。对于存在大量历史对照数据集的情况，我们提出了一种通过纳入匹配对照患者来增强经典单臂试验设计的方法。观察到的研究人群的结果可以根据匹配的对照进行调整，已知混杂因素的分布相当。我们提出了一种适应性两阶段设计，可选择因无效而提前停止，并考虑匹配率、匹配伴侣数量和观察到的处理效应重新计算样本量。通过基于一项研究急性髓性白血病患者新型治疗的假设II期试验的模拟研究，研究了拟定设计在第一类错误率、把握度和预期样本量方面的性能。
2020-07-31 stat.ME
Power and sample size calculations for causal mediation analysis with a binary mediator in randomized trials
Yau Mathematical Sciences Center, Tsinghua University（丘成桐数学科学中心，清华大学）；Yanqi Lake Beijing Institute of Mathematical Sciences and Applications（北京国际数学研究中心）
本文针对随机试验中含二分类中介变量的因果中介分析，开发了NIE和NDE的解析效力与样本量公式，经模拟验证其样本量匹配基准、效力达标且I类错误符合要求，还通过ACTG175实例展示了试点数据的校准方法。
2026-09-01 stat.ME
Prognostic Adjustment with Efficient Estimators to Unbiasedly Leverage Historical Data in Randomized Trials
本研究将预后协变量调整扩展到非参数高效估计量，利用历史数据提高随机试验小样本下的功效且无偏倚，并通过模拟和真实临床试验数据验证。
2023-11-15 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
Saturation in G: simple & robust causal inference in cluster randomized trials with informative cluster sizes
University of Pennsylvania（宾夕法尼亚大学）；Yale School of Public Health（耶鲁公共卫生学院）
针对带信息性集群规模的集群随机试验，提出带g计算的集群规模饱和模型，可一致估计个体与集群平均处理效应，在模拟及真实数据中表现出无偏、高效等优势。
2026-09-01 stat.ME
Power Analysis for Stepped Wedge Trials with Two Treatments
阶梯式楔形设计（SWD）是用于分组随机试验的设计，其特征是交错、单向交叉，通常从对照到治疗条件。关于SWD统计功效的现有文献主要关注单次治疗的设计。然而，目前正在提议和实施具有多种治疗的社会福利机构。我们提出了一个线性混合模型的SWD与两个治疗，有和没有它们之间的相互作用。我们推导出封闭形式的解决方案，这些模型的处理效应系数的标准误，以及功率计算方法。我们考虑重复的横断面设计以及开放和封闭队列设计和不同的随机效应结构。检查设计特征，以确定其对主要治疗和相互作用效应把握度的影响。
2020-10-05 stat.ME
Improving Precision through Adjustment for Prognostic Variables in Group Sequential Trial Designs: Impact of Baseline Variables, Short-Term Outcomes, and Treatment Effect Heterogeneity
在随机试验中，适当调整基线变量和短期结局可提高精确度并减少样本量。我们研究了这种调整在成组序贯设计中的影响，即，预先计划中期分析的设计，其中可能因有效性或无效性而提前停止入组。我们解决了以下问题：通过适当调整基线变量和短期结果，可以获得多少精度增益？这种精度增益如何受到管道参与者（入组但尚未测量其主要结局的参与者）比例和处理效应异质性等因素的影响？在成组序贯设计中，对功效和平均样本量有何影响？我们推导出一个渐近公式，该公式将调整基线变量和短期结果的整体精度增益分解为上述因素的贡献，用于模型中仅假设随机化和独立删失的有效估计量。我们使用我们的公式来近似精度增益从一个有针对性的最小损失为基础的估计适用于数据从一个完整的试验，一个新的外科手术干预中风。我们的公式意味着（对于一个有效的估计）调整预后基线变量导致至少一样多的渐近精度增益调整同样的预后短期结果。在许多情况下，例如我们的中风试验应用，前者比后者带来更大的精度增益。在我们的模拟研究中，我们展示了如何从调整的精度增益可以转换为样本量的减少（即使没有处理效应）。
2019-10-25 stat.ME
Evaluating hybrid controls methodology in early-phase oncology trials: a simulation study based on the MORPHEUS-UC trial
本文基于MORPHEUS-UC试验数据模拟评估早期肿瘤学试验中结合历史数据的混合对照方法，比较频率学派与贝叶斯动态借用方法，发现联合频率学派方法和无信息先验在试验间效应异质时表现更优。
2023-08-22 stat.ME
Intra-Class Correlation Coefficient Ignorable Clustered Randomized Trials for Detecting Treatment Effect Heterogeneity
本文识别了一类检测处理效应异质性的整群随机试验，其中组内相关系数可完全忽略，通过增加整群规模而非数量提升效能，并提供严格理论基础与实用指南。
2025-04-22 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
Admissible multi-arm stepped-wedge cluster randomized trial designs
许多出版物现在已经解决的原则，设计，分析和报告的结果，阶梯楔形集随机试验。相比之下，很少有研究涉及的设计和分析多臂阶梯楔形随机试验，用于评估多种实验干预措施的有效性。在本文中，我们通过解释如何在这些多组试验中确定所需的样本量来解决这个问题，当数据使用线性混合模型进行分析时。然后，我们继续描述如何优化此类试验的设计，以在最小化试验成本和最小化处理效应估计值的协方差阵的某些函数之间取得平衡。使用最近开始的试验，将评估传感器监测的有效性，在职业治疗康复计划为老年人髋部骨折后作为一个例子，我们证明了我们的设计可以减少所需的观察次数为一个固定的功率水平高达58%。因此，当后勤限制允许使用任何一种可能的多臂步进楔形簇随机试验设计时，研究人员应该考虑采用我们的方法来优化他们的试验效率。
2018-06-28 stat.ME
Approximate D-optimal Experimental Design with Simultaneous Size and Cost Constraints
考虑一个实验，它有一组有限的设计点，代表允许的试验条件。假设每个试验都与取决于所选设计点的成本相关联。本文研究了同时限制规模和总费用的近似D-最优试验设计的构造问题。对于尺寸和成本约束的D-最优性问题，我们制定了一个等价定理和规则的冗余设计点的删除。我们还提出了一个简单的单调收敛的“重心”算法，使我们能够数值计算的大小和成本约束的近似D-最优设计。
2014-08-12 stat.CO
Designing Efficient Hybrid and Single-Arm Trials: External Control Borrowing and Sample Size Calculation
本文提出了一种利用外部对照数据减少样本量的混合型和单臂试验设计方法，通过高效影响函数推导估计量并进行预实验方差估计，实现更高效的试验设计和统计功效。
2025-12-12 stat.AP stat.ME
Sample size calculation based on the difference in restricted mean time lost for clinical trials with competing risks
本文提出了一种基于Weibull分布的受限平均损失时间差（RMTLdWeibull）的样本量计算方法，用于存在竞争风险的临床试验，模拟表明其能保持预定的检验效能和稳健性，性能优于或相似于基于SHR的方法。
2023-11-21 stat.AP stat.ME
BaySize: Bayesian Sample Size Planning for Phase I Dose-Finding Trials
我们提出了BaySize，一个样本量计算器的I期临床试验使用贝叶斯模型。BaySize在剂量确定中应用效应量的概念，假设MTD是基于等效性区间定义的。利用涉及复合假设的决策框架，BaySize利用两个先验分布，拟合先验（用于模型拟合）和抽样先验（用于数据生成），在期望的统计功效下进行样本量计算。查找表的生成，以方便实际应用。据我们所知，BaySize是第一个可应用于广泛I期试验设计的样本量工具。
2021-03-11 stat.AP stat.ME
Simulation-Free Bayesian Power and Sample Size Calculations for Bayes Factors in Single-Arm Phase II Trials with Binary Endpoints
研究具有二元终点的单臂II期试验中贝叶斯因子的无模拟功效和样本量计算方法，通过该方法设计试验并校准相关概率，以适应临床试验设计创新现代化，两个肿瘤学例子及代码展示了该方法。
2026-07-28 stat.AP stat.ME
Power and Sample Size Calculations for Bayes Factors in two-arm clinical Phase II Trials with binary Endpoints
Institute of Medical Statistics and Computational Biology（医学统计与计算生物学研究所）；Faculty of Medicine（医学院）；University of Cologne（科隆大学）
本文提出了一种基于贝叶斯因子的II期临床试验样本量计算方法，通过数值方法高效计算功效和一类错误率，无需蒙特卡洛模拟。
2026-03-02 stat.AP stat.ME
Bayesian sample size determination in basket trials borrowing information between subsets
篮子试验越来越多地用于在一个总体方案下在不同患者亚组中同时评价新治疗。我们提出了一个贝叶斯方法来确定样本量篮试验，允许借用信息之间的相称子集。具体来说，我们考虑一个随机篮子试验设计，其中患者被随机分配到新的治疗或控制在每个试验子集（简称“子试验”）。推导出封闭形式的样本量公式，以确保每个子试验都有特定的机会通过一些临床相关差异正确决定新治疗是否优于或不优于对照。给定预先规定的成对（不）可检验性水平，同时求解子试验样本量。建议的贝叶斯方法类似于频率制定的问题，产生可比的样本量的情况下，没有借款。当在相当的子试验之间启用借用时，与广泛实施的无借用方法相比，需要的试验样本量要小得多。我们说明了我们的样本量公式的使用与两个例子的基础上真正的篮子试验。一个全面的仿真研究进一步表明，所提出的方法可以保持在理想的水平的真阳性率和假阳性率。
2022-05-24 stat.AP stat.ME
Sample size for a non-inferiority clinical trial with time-to-event data in the presence of competing risks
竞争风险模型的分析和规划方法在近几十年的文献中已有描述，非劣效性临床试验在当前的药学实践中有帮助。Parpia等人研究了存在竞争风险的非劣效性临床试验的分析方法，世卫组织指出，比例子分布风险模型适用于生物学研究。然而，竞争风险模型的分析方法与分析单一结局的非劣效性临床试验的方法不同，因此需要相应的方法来规划此类试验。基于比例子分布风险模型，给出了存在竞争风险的非劣效性临床试验样本量计算公式。主要终点依赖于子分布风险比。基于随机对照试验的120次模拟和一个实例验证了所提出公式的经验性能。结果表明，基于韦布尔分布的非劣效性临床试验竞争风险样本量公式的经验功效可以达到目标功效。
2018-02-28 stat.AP 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
Sample Size Calculation for Cluster Randomized Trials with Zero-inflated Count Outcomes
整群随机试验（CRT）已广泛应用于医学和公共卫生研究。许多临床计数结果，如在疗养院跌倒的次数，都表现出过多的零值。在零通货膨胀的情况下，传统的基于泊松分布或负二项分布的计数数据的功效分析方法可能是不够的。在这项研究中，我们提出了一个样本量的方法，CRT与零膨胀计数的结果。它是基于GEE回归直接建模的ZIP结果的边际均值，这避免了传统建模方法下测试两个干预效果的挑战。一个封闭形式的样本量公式推导出适当的零通货膨胀，ICC由于集群，不平衡的随机化，和集群大小的变异性。稳健的方法，包括基于t分布的近似和刀切重采样方差估计，以提高试验性能下的小样本量。进行了大量的模拟，以评估所提出的方法的性能。一个应用程序的例子是在一个真正的临床试验设置。
2020-09-21 stat.AP stat.ME
swdpwr: A SAS Macro and An R Package for Power Calculation in Stepped Wedge Cluster Randomized Trials
背景与目的：逐步楔形分组随机试验是一种越来越多地用于公共卫生干预评价的研究设计。大多数以前的文献侧重于这种特殊类型的连续结果的聚类随机试验的功效计算，以及二元结果的近似方法。虽然对二元结果不准确，但它已被广泛使用。为了提高二元结果的近似性，最近发表了两种用于二元结果的阶梯楔形设计（SWD）的新方法。然而，这些新方法尚未在公开可用的软件中实现。本文的目的是目前的功率计算软件，为社会福利署在各种设置为连续和二进制的结果。方法：我们已经开发了一个SAS宏% swdspur和一个R软件包swdspur在SWDs的功率计算。不同的情景，包括横截面和队列设计，二进制和连续的结果，边际和条件模型，三个链接功能，有和没有时间效应，在这个软件中被容纳。结果：swdfur为研究者提供了一个有效的工具，以支持阶梯式楔形分组随机试验的设计和分析。swdfür解决了新提出的方法与其应用之间的实施差距，以获得更准确的社署功率计算。结论：这一用户友好型软件使新方法更易于使用，并纳入了其他相关软件包所不支持的现有各种变体。swdspur在SAS和R两个平台下实现，满足了不同背景的调查人员的需求。
2021-07-06 stat.AP stat.ME
Notes on Exact Power Calculations for t Tests and Analysis of Covariance
Tang推导了优效性、非劣效性和等效性试验中t检验和协方差分析（ANCOVA）的精确把握度公式。等效性试验中的把握度计算可通过标准统计软件中的Owen Q函数简化。我们将ANCOVA的精确把握度确定方法扩展到未分层和分层的多组随机试验。将该方法应用于多组试验和金标准非劣效性试验的设计。
2020-01-12 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
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
Adaptive clinical trial designs with blinded selection of binary composite endpoints and sample size reassessment
对于单一、主要、二元终点需要不可行的大样本量的随机临床试验，广泛选择复合终点作为主要终点。尽管被广泛使用，复合终点在设计和解释结果方面带来了挑战。考虑到这些成分可能具有不同的相关性，并具有不同的效应量，因此必须仔细选择成分。特别是，复合二元终点的样本量计算不仅取决于复合组分的预期效应量和事件概率，还取决于它们之间的相关性。然而，文献中通常没有报告终点之间相关性的信息，这可能是规划未来合理试验设计的障碍。我们考虑两组随机对照试验，其主要复合二元终点和仅由复合终点中临床上更重要的组分组成的终点。我们提出了一种试验设计，允许根据中期分析中获得的盲态信息对主要终点进行适应性修改。我们考虑一个决策规则来选择一个复合终点和其最相关的组成部分作为主要终点。决策规则选择具有较低估计所需样本量的终点。此外，使用估计的事件概率和相关性以及复合组分的预期效应量重新评估样本量。我们通过模拟研究了所提出的设计下的统计功效和显著性水平。我们表明，自适应设计是同样或更强大的设计，没有自适应修改的主要终点。即使在保持类型1错误的情况下错误指定相关性，也可实现目标功率。我们通过两个案例研究来说明这一建议。
2022-06-20 stat.AP stat.ME
Unified and Simple Sample Size Calculations for Individual or Cluster Randomized Trials with Skewed or Ordinal Outcomes
Vanderbilt University Medical Center（范德堡大学医学中心）；University of Southern California（南加州大学）；Friends in Global Health（全球健康之友）；Aminu Kano Teaching Hospital, Bayero University Kano（阿米努·卡诺教学医院，巴耶罗大学卡诺分校）
研究针对随机对照试验中偏态连续结局的样本量计算难题，提出用有序累积概率模型，将怀特黑德独立有序结局样本量计算扩展到连续结局及整群随机试验，提供统一简单方法并评估其性能。
2026-07-07 stat.AP stat.ME
A Multi-Stage Drop-the-Loser Design with Superiority Boundaries
本文提出一种改进的多阶段淘汰失败设计，允许在早期停止整个试验以证明疗效，从而在减少最大样本量的同时降低预期样本量。
2026-04-10 stat.AP stat.ME
Design of phase III trials with long-term survival outcomes based on short-term binary results
病理学完全缓解（pCR）是II期试验的常见主要终点，甚至是新辅助癌症治疗的加速批准。如果获得批准，通常需要进行两组确证性试验，以证明疗效和至事件发生时间结局，如总生存期。然而，基于先前关于pCR效应的信息的后续III期试验的设计并不简单。为了设计这样的III期临床试验，总生存期作为主要终点使用pCR信息从以前的试验，我们考虑了一个混合模型，将生存期和二元终点。我们建议根据限制平均生存时间的差异进行组间比较，并说明总生存期的效应量和样本量如何依赖于每个治疗组的二元应答概率和应答状态的生存分布。我们提供了不同场景下的样本量计算，并随附了一个R软件包，其中所有计算都已实现。我们评估我们的建议与模拟研究，并说明其应用通过新辅助乳腺癌试验。
2021-05-24 stat.AP stat.ME
Evaluating the impact of outcome delay on the efficiency of sample size re-estimation
Newcastle University（纽卡斯尔大学）；Janssen R&D（强生研发）
本文研究结果延迟对内部试点类型样本量重新估计设计效率的影响，分析不同延迟长度对最终样本量分布和精度的影响，提出新的评估指标。
2026-05-12 stat.AP stat.ME
Design and Sample Size Determination for Multiple-dose Randomized Phase II Trials for Dose Optimization
针对靶向治疗和免疫治疗中传统剂量选择范式不适用的问题，提出MERIT多剂量随机II期试验设计，通过推广I类错误和效能定义，确定最优样本量，并验证其良好操作特性。
2023-08-29 stat.AP 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 multi-arm multi-stage platform design that allows pre-planned addition of arms while still controlling the family-wise error
人们对平台试验越来越感兴趣，这些试验允许随着试验的进展添加新的治疗组，以及能够在试验过程中因缺乏获益/无效或因优效性而停止治疗。在某些情况下，平台试验需要保证错误率得到控制。本文提出了一种多阶段设计，允许以预先计划的方式在平台试验中添加额外的臂，同时仍然控制系列错误率。给出了一种方法来计算所需的样本量，以达到所需的功率水平，我们展示了如何分布的样本量和预期的样本量可以找到。一个激励试验，它侧重于两个设置，第一个是一组数量的阶段，每个积极的治疗臂和第二个是一组总数量的阶段，与治疗，后来加入获得较少的阶段。通过这个例子，我们表明，所提出的方法的结果在一个较小的样本量，同时仍然控制的错误相比，运行多个单独的试验。
2021-12-12 stat.AP stat.ME
A multi-arm multi-stage design for trials with all pairwise testing
针对无对照治疗组的临床试验场景，提出一种多臂多阶段设计，通过中期分析终止差效治疗或相似表现时全终止，控制全成对比较的FWER并提供强控制条件，在脓毒症试验案例中样本量最优。
2025-02-10 stat.AP stat.ME
Outcome-blinded sample size re-estimation for externally controlled single-arm trials using baseline covariates
Wakayama Medical University（和歌山医科大学）；Chuo University（中央大学）
针对单臂试验中试验组与历史对照基线不平衡问题，提出群体标准化设计框架及协变量自适应样本量重新估计程序，该程序结合初始设计与顺序更新，模拟及示例结果显示其能维持功效，是实用设计策略。
2026-09-30 stat.AP stat.ME
Optimal scheduling of interim analyses in group sequential trials
针对成组序贯试验中等间隔中期分析未充分挖掘样本量节省潜力的问题，研究开发了R工具OptimInterim，可在控制错误率下确定最优中期分析调度以最小化期望样本量，经模拟和实例验证其有效性与广泛适用性，并提供参考表便于应用。
2025-09-05 stat.AP stat.ME
TAD-SIE: Sample Size Estimation for Clinical Randomized Controlled Trials using a Trend-Adaptive Design with a Synthetic-Intervention-Based Estimator
本文提出TAD-SIE算法，结合SECRETS假设检验与新型趋势自适应设计，有效解决了临床随机对照试验中样本量估计不准确的问题，在真实试验中显著提升了检验效能。
2024-01-08 eess.SP stat.AP 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
Trial design considerations in the face of overdispersion and time-varying event rates: a meta-regression approach with an application in asthma
University Medical Center Göttingen（哥廷根大学医学中心）；Lung Clinic Immenhausen（伊门豪森肺科诊所）；University of Duisburg-Essen（杜伊斯堡-埃森大学）
本研究针对哮喘试验的过离散与时变事件率问题，采用分层负二项模型与元回归分析62项试验数据，明确其异质性与时间趋势，为试验设计提供稳健的样本量计算方法。
2026-10-16 stat.AP stat.ME
Comparison of Simulation-Guided Design to Closed-Form Power Calculations in Planning a Cluster Randomized Trial with Covariate-Constrained Randomization: A Case Study in Rural Chad
本研究以乍得农村的OptiMAx-Chad项目为案例，对比了模拟引导设计与传统闭式公式在协变量约束随机化嵌套整群随机试验规划中的应用，发现传统公式存在误导性，模拟方法可提升试验规划准确性。
2025-10-21 stat.AP stat.ME
Single-stage, three-arm, adaptive test strategies for non-inferiority trials with an unstable reference
对于只有不稳定的参考治疗可用且安慰剂的使用在伦理上是合理的适应症，建议非劣效性试验采用三组“金标准”设计，包括实验组、参考组和安慰剂组。在此类设计中，需要证明参考或实验治疗的有效性。它们的缺点是，如果参考无效，则只能从试验中得出很少的结论。为了克服这一点，我们研究了新的单阶段，自适应测试策略，只有当参考显示足够的疗效和其他$δ$ -实验治疗优于安慰剂时，才测试非劣效性。通过适当选择优效性界值，$δ$ -优效性间接显示非劣效性。我们优化了几个决策规则的样本量，发现自然的，数据驱动的测试策略，测试非劣效性，如果参考的疗效测试是显着的，导致最小的总体和安慰剂样本量。我们证明，在特定的限制下的样本量，这个过程控制的家庭明智的错误率。所有最佳样本量均满足此约束。最后，我们将展示如何以有效的方式解释相关的安慰剂退出率，并将新的测试策略应用于现实生活中的数据集。
2022-02-17 stat.AP stat.ME
