Evaluating Informative Cluster Size in Cluster Randomized Trials
本研究针对整群随机试验中的信息性整群规模问题，提出三类检验方法，经模拟验证其I类错误控制合理、检验效能有效，还应用于实际试验数据并给出使用建议。
2025-10-01 stat.ME
Covariate-adjusted Group Sequential Comparisons of Survival Probabilities
针对生存分析中比例风险假设违反导致I类错误膨胀和效能损失的问题，提出协变量调整的成组序贯检验方法，支持非PH下的期中分析，通过Markov结构渐近分布维持错误控制，并在模拟和临床试验中验证了稳健性。
2024-03-25 stat.ME
Interim Monitoring in Sequential Multiple Assignment Randomized Trials
序贯多分配随机试验（SMART）有助于同时比较多种适应性治疗策略（ATS）。以往的研究已经建立了一个框架来测试的同质性多个ATS的全球Wald测试通过逆概率加权。由于多阶段治疗随机化的顺序性，SMART通常比经典临床试验更可靠。因此，如果观察到压倒性疗效，增加中期分析将是有益的，允许提前停止。我们将组序贯方法引入SMART，以促进基于多变量χ 2分布的中期监测。模拟研究表明，与经典SMART相比，SMART（IM-SMART）中拟议的中期监测保持了预期的第一类错误和功效，预期样本量减少。最后，我们通过重新分析SMART来说明我们的方法，评估认知行为和物理治疗对膝关节骨关节炎和共病亚综合征抑郁症状患者的影响。
2021-08-02 stat.ME
On the inclusion of non-concurrent controls in platform trials with an interim analysis
Universitat Politècnica de Catalunya - BarcelonaTech (UPC)（加泰罗尼亚理工大学）；Medical University of Vienna（维也纳医科大学）
本文研究了在包含中期分析的平台试验中如何纳入非同时对照，探讨了非同时对照对治疗效应估计的影响，并提出了一种新的估计方法以减少偏差和I类错误。
2026-03-24 stat.ME
Group sequential methods for interim monitoring of randomized clinical trials with time-lagged outcome
两组临床试验中的主要分析通常涉及对标量处理效应参数的推断;例如，取决于结果、治疗特异性手段的差异、风险差异、风险比或比值比。大多数临床试验都监测了提前停止的可能性。由于通常情况下，任何给定受试者的结局只能在一段时间后才能确定，因此在中期分析时，在已入组的受试者中，仅知道一个子集的结局，并且对入组时间不足以观察到结局的受试者进行了有效删失。通常，中期分析仅基于结局已确定的受试者的数据。中期分析的目标是在证据足够有力时立即停止试验，这表明分析理想情况下应最有效地利用所有可用数据，从而以原则性方式包括删失信息以及其他基线和时间依赖性协变量。一个一般的组序贯框架，提出了一个时滞的临床试验结果。使用半参数理论推导出考虑删失并在中期分析时纳入协变量信息的处理效应估计值，并证明其比标准方法更能提供更强的提前停止证据。相关的检验统计量具有独立的增量结构，因此可以使用标准软件来获得停止边界。
2022-04-22 stat.ME
Interim Analysis in Sequential Multiple Assignment Randomized Trials for Survival Outcomes
针对生存结局的序贯多重分配随机试验，提出加权log-rank卡方统计量处理重叠治疗路径，结合多种边界建立期中监测方法，实现早期终止并验证了有效性。
2025-04-04 stat.ME
Quantifying Uncertainty in Future Event Counts at Interim Analyses of Time-to-Event Trials, with an Application to Pediatric Oncology
Bicocca Bioinformatics, Biostatistics and Bioimaging Centre B4School of Medicine and Surgery, University of Milano–Bicocca（米兰-比可卡大学医学与外科学院）；University of Warwick（华威大学）；Fondazione IRCCS San Gerardo dei Tintori（圣杰拉尔多蒂托里IRCCS基金会）
针对时间-事件临床试验中期分析，提出基于条件参数自助法的患者级框架，构建未来事件计数的预测区间，并通过模拟和实际案例验证其有效性。
2026-08-28 stat.ME
Nonparametric estimation of an optimal treatment rule with fused randomized trials and missing effect modifiers
针对多随机试验协变量不匹配难以估计最优动态治疗规则的问题，提出一种非参数估计量，融合多试验信息，并在阿片类药物使用障碍治疗试验中验证其可匹配患者亚组与最优药物。
2025-06-12 stat.AP stat.ME
Randomized Basket Trial with an Interim Analysis (RaBIt) and Applications in Mental Health
本文提出通用随机化篮式试验方法 RaBIt，通过期中剪枝和合并分析支持各篮不等样本量与效应量，在控制 I 类错误的同时显著缩短试验时间。
2024-11-20 stat.ME
Interim Monitoring as an Information-Time Alignment Problem: The WCR Framework for Time-to-Event Trials
Department of Biostatistics, St. Jude Children’s Research Hospital（圣裘德儿童研究医院生物统计系）
提出WCR框架，通过锁定队列和校准随访要求参数化随访成熟度，解决事件驱动与入组驱动设计的时序矛盾，控制I类错误和功效，平衡日历时间、成熟度和决策延迟。
2026-06-16 stat.ME
Improving randomized controlled trial analysis via data-adaptive borrowing
本文提出一种数据自适应整合框架，通过偏差惩罚动态筛选可比外部对照子集，在防止未知偏差的同时实现半参数有效界和选择性借用，提升随机对照试验分析效果。
2024-11-12 stat.AP stat.ME
How mature are survival data at the time of an interim analysis in a clinical trial with a survival outcome?
研究生存结局临床试验期中分析的生存数据成熟度问题，推导单/两组试验中Kaplan-Meier曲线在期中分析随机时刻的渐近分布及95%概率区间，用于试验设计阶段规划期中分析时机。
2023-05-06 stat.AP stat.ME
Two-stage single-arm trials are rarely reported adequately
目的：两阶段单组试验设计通常用于II期肿瘤学，以推断二元主要结局的处理效应（例如，肿瘤反应）。必须有效地设计、分析和报告这些研究。然而，几乎没有证据表明情况是否如此，特别是在关键的统计考虑方面。因此，我们全面审查这些审判，特别是审查报告的质量。方法：确定并回顾了5年内使用“Simon两阶段设计”的已发表肿瘤学试验。评估文章是否报告了足够的设计详细信息（例如所需的样本量）和分析详细信息（例如置信区间（CI））。重新分析未调整其推断以纳入中期分析的文章，以评价对其报告的点估计值和CI的影响。结果：纳入了425篇报告单个治疗组结果的文章。其中，47.5%提供了确保设计再现性的五个组件。分别只有1.2%和2.1%的患者报告了调整后的点估计值或CI。只有55.3%的试验提供了最后阶段的拒绝界限，表明许多试验没有检验设计的假设。试验的再分析表明，报告的点估计值低估了处理效应，报告的CI太窄。结论：两阶段单组试验的关键设计细节往往未被报道。虽然定期进行推断，但很少以消除中期分析引入的偏倚的方式进行推断。为了最大限度地发挥其价值，未来的研究必须改进分析和报告的方式。
2020-07-08 stat.AP
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
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
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
FLEX-CP-DT: A Flexible Conditional Power Framework for Interim Futility Analysis in Clinical Trials with Count Endpoints and Temporal Trends
Regeneron Pharmaceuticals（再生元制药）；Rutgers University（罗格斯大学）
FLEX-CP-DT是捕捉事件率和治疗效果时间趋势的分段负二项框架，可准确开展计数终点临床试验的中期无效性分析，能减少错误终止有效药物的概率。
2026-08-28 stat.AP stat.ME
Joint modelling of longitudinal and time-to-event data applied to group sequential clinical trials
通常在测量长期至事件发生时间终点（如总生存期或无进展生存期）的III期临床试验中，研究者还收集可能预测主要终点的生物标志物的重复测量结果。尽管这些数据可能无法直接用于支持早期停止决策，但我们是否可以更好地利用这些数据来提高效率并改善中期决策？我们提出了一个纵向和时间事件数据的联合模型和一种方法，该方法建立了联合模型中参数的连续估计值在中期分析中的分布。有了这个，我们可以使用估计值来定义有效性和无效性停止规则。使用模拟，我们评估了纳入生物标志物信息的好处和对中期决策的影响。
2022-11-29 stat.ME
Interim recruitment prediction for multi-centre clinical trials
我们介绍了一个监测，建模和预测招募多中心临床试验的一般框架。这项工作的动机是过于乐观和狭窄的预测区间所产生的现有的时间均匀的招聘模型多中心招聘。我们首先提出了两个测试检测衰减的招聘率，连同电源的研究。然后，我们引入了一个模型的基础上，单调衰减强度的非齐次泊松过程，在肿瘤学试验中观察到的招聘趋势的动机。该模型的一般形式允许适应任何参数曲线形状。一个一般的方法，用于构建合理的参数先验和贝叶斯模型平均用于作出预测，占参数和模型的不确定性。使用模拟数据集测试了该方法的有效性及其对误指定的鲁棒性。然后将新方法应用于肿瘤学试验数据，在那里我们进行中期应计预测，将其与通过现有方法获得的预测进行比较，并指出应计模式中发生的意外变化。
2020-09-02 stat.AP stat.ME
On Bayesian Sequential Clinical Trial Designs
临床试验通常涉及连续的患者输入。在设计临床试验时，通常需要包括对累积数据进行中期分析的规定，这些数据可能会提前停止试验。我们回顾贝叶斯序贯临床试验设计的基础上后验概率，后验预测概率和决策理论框架。一个相关的问题是贝叶斯序贯设计是否需要调整中期分析的计划。我们从三个角度回答这个问题：频率导向的角度，校准贝叶斯的角度，和主观贝叶斯的角度。我们还提供了新的见解似然原理，这是通常绑在统计推断和决策的顺序临床试验。一些理论结果的推导，并进行数值研究，以说明和评估这些设计。
2023-03-10 stat.ME
Estimation of treatment effects following a sequential trial of multiple treatments
当一项临床试验需要进行一系列中期分析时，研究可能会因此终止或修改，最终的频率论分析需要考虑所使用的设计。如果不这样做，可能会导致显著性水平被夸大，效应估计值和置信区间有偏倚，覆盖概率不足。已经设计了多种有效的频率分析方法，用于比较单一试验处理与单一对照处理的序贯设计。目前尚不清楚如何对应用于更复杂环境中的序贯或自适应设计进行最终分析，例如，确定应推荐几种候选治疗方案中的哪种或哪组治疗方案。本文的动机是考虑一项试验，其中对脓毒症的四种治疗方法进行比较，中期分析允许放弃治疗或终止试验，以宣布一个赢家或得出结论，剩余的治疗方法之间几乎没有差异。所采用的方法基于Rao-Blackwellisation方法，该方法通过在最终充分统计量的情况下采用其条件预期，提高了首次中期分析中可用的无偏估计值的准确性。确定这种期望的分析方法是困难的，并且具体到设计的细节，而是进行“反向模拟”，以根据最终检验统计量构建第一次中期分析的重复实现。该方法还提供了治疗间差异的近似置信区间。
2019-06-26 stat.ME
An information metric for comparing and assessing informative interim decisions in sequential clinical trials
针对成组序贯临床试验中信息性期中决策引发的分析偏倚问题，提出采用Kullback-Leibler散度量化后验估计失真，还给出其期望版本辅助决策边界选择，补充传统一类错误控制策略，并通过中枢神经系统疾病试验验证应用价值。
2025-10-06 cs.IT math.IT stat.AP
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
Impact of interim analyses on Bayesian and frequentist operating characteristics of Bayesian clinical trials
Université Paris Cité and Université Sorbonne Paris Nord, Inserm, IAME（巴黎西岱大学与北巴黎索邦大学，INSERM，IAME）；Département d’Épidémiologie, Biostatistique, Recherche Clinique, AP-HP, Hôpital Bichat Claude-Bernard（AP-HP，比沙-克劳德·贝尔纳医院，流行病学、生物统计与临床研究系）；Department of Biostatistics, CHU Rouen（鲁昂大学医院，生物统计系）
研究中期分析对贝叶斯临床试验的影响，通过模拟研究正态分布结果的序贯试验，表明其改变频率论和贝叶斯操作特征，贝叶斯操作特征受先验影响，且重复分析对其影响大。
2026-07-07 stat.AP stat.ME
Revisiting the apparent discrepancy between the frequentist and Bayesian interpretation of an adaptive design
Department of Public Health, Aarhus University（奥胡斯大学公共卫生系）
本文探讨了自适应设计中频繁主义与贝叶斯解释间的矛盾，指出贝叶斯后验不受数据驱动适应影响，但需谨慎处理先验中辅助参数的作用。
2025-12-11 stat.ME
Optimal Bayesian predictive probability for delayed response in single-arm clinical trials with binary efficacy outcome
针对单臂临床试验中延迟确认响应导致决策延迟的问题，提出基于广义贝叶斯定理折减未确认结果贡献的预测概率方法，模拟验证其能做出及时且适当的中期go/no-go决策。
2024-05-23 stat.ME
Optimizing Interim Analysis Timing for Bayesian Adaptive Commensurate Designs
在开发罕见病产品时，由于可参与药物试验和其他临床研究的患者数量有限，因此会出现统计挑战。贝叶斯适应性临床试验设计通过纳入外部来源的证据（历史数据、专家意见和真实世界证据）以及中期外观规范的灵活性，提供了提高统计效率、降低开发成本和预防伦理风险的可能性。在本文中，我们提出了一种新的贝叶斯自适应相称设计，自适应地借用历史信息，并使用一个特定的支付函数来优化研究的中期分析的时间。试验收益是通过提前停止可以节省多少样本以及对无效或有效做出正确早期决策的概率的函数。我们校准我们的贝叶斯算法具有可接受的长期运行的频率属性（第一类错误和电源），通过模拟在设计阶段。我们使用儿科试验设计环境来说明我们的方法，该试验设计环境测试新药对罕见遗传疾病的影响。optimIA R包可在https://github.com/wxwx1993/Bayesian_IA_Timing上获得，它提供了我们方法的易于使用的实现。
2019-09-18 stat.AP stat.CO stat.ME
Estimation of the odds ratio in a proportional odds model with censored time-lagged outcome in a randomized clinical trial
在许多COVID-19治疗药物的随机临床试验中，主要结局是一个有序分类变量，关注点集中在比例优势模型假设下的优势比（活性药物与对照药物）。虽然在最终分析时将确定所有受试者的结局，但在中期分析时，可能尚未确定某些受试者的状态，例如，因为直到某个预先指定的随访时间才可能确定结果。因此，这些受试者的结果可以被视为已审查。有效的中期分析可以仅基于那些进行了全面随访的受试者的数据;然而，这种方法效率低下，因为它没有利用中期分析时尚未获得结局的受试者的额外信息。呼吁半参数的理论，我们提出了一个估计的比值比比例优势模型与删失，时滞分类结果，包括额外的基线和时间依赖的协变量信息，并证明它可以导致相当大的收益效率相对于简单的方法。该方法的副产品是基于最终分析时可用的完整数据的协变量调整的比值比估计量。
2021-08-24 stat.ME
Sample size reassessment in Bayesian hybrid clinical trials
Polytechnic University of Turin（都灵理工大学）；Saryga, Tournus, France（萨里加（法国图尔努斯））；MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计单元）
本文提出了一种贝叶斯混合临床试验设计，利用Hellinger距离在中间分析中评估历史与同时对照数据的相似性，以指导样本量重新评估和先验分布方差函数，提高试验的适应性和稳健性。
2025-12-22 stat.ME
Adaptive clinical trial design with delayed treatment effects using elicited prior distributions
The University of Sheffield（谢菲尔德大学）；Novartis Pharma AG（诺华制药股份有限公司）
针对免疫肿瘤学等现代疗法中常见的延迟治疗效应，提出一种结合专家先验分布的自适应试验设计框架，通过中期分析指导早期停止决策，提高试验效率和稳健性。
2026-06-01 stat.ME
Generalizing causal inferences from individuals in randomized trials to all trial-eligible individuals
我们考虑在随机试验中进行因果推断的方法，这些随机试验嵌套在试验合格个体的队列中，包括那些没有随机化的个体。我们展示了如何从整个队列的基线协变量数据，治疗和结果的数据，仅从随机个体，可以用来确定潜在的（反事实）结果的手段和平均处理效应在所有合格的个人的目标人群。我们回顾可识别性条件，提出估计，并评估估计的有限样本的模拟研究中的性能。作为一个例子，我们在一个嵌套在一组符合试验条件的个体中的试验中应用估计量，以比较冠状动脉旁路移植术加药物治疗与单纯药物治疗对慢性冠状动脉疾病的影响。
2019-10-29 stat.ME
New designs for Bayesian adaptive cluster-randomized trials
为节省时间或减少样本量，已经提出了个体随机试验的适应性方法，允许更灵活的试验设计。然而，适应性设计的集群随机试验中，参与者的群体，而不是个人被随机分配到治疗组是不太常见的。受一项旨在评估基于机器学习的临床决策支持系统对医生治疗抑郁症患者的有效性的群集随机试验的启发，提出了两种群集随机试验的贝叶斯自适应设计，以允许在预先计划的中期分析中提前停止疗效。这两种设计的区别在于参与者是按顺序招募的。考虑到试验中允许的最大群集数量以及最大群集大小，一种设计顺序招募具有给定最大群集大小的群集，而另一种设计在试验开始时招募所有群集，但顺序招募个体参与者，直到试验因疗效而提前停止或达到最终分析。通过模拟各种场景和两种设计的两种结果类型，探讨了设计操作特性。仿真结果表明，对于不同的结果，设计选择可能是不同的。根据模拟结果，我们对贝叶斯自适应聚类随机试验的设计提出了建议。
2022-01-07 stat.ME
Estimands and Inference in Cluster-Randomized Vaccine Trials
经常进行随机试验来评估疫苗的效果。在进行试验之前定义感兴趣的被估量是研究目标与要收集和分析的数据之间的一致性不可或缺的。本文考虑了被估量和估计的总体，间接和总的疫苗效果的试验中，人群随机接种疫苗或对照。该方案被认为是个人自我选择是否参加试验，并在每个集群中的所有个人的利益的结果进行测量。与总体、间接和总效应不同，疫苗接种的直接效应在没有进一步假设的情况下（例如没有未测量的混杂因素）通常无法估计。一个说明性的例子动机的集群随机伤寒疫苗试验。
2019-10-08 stat.ME
Generalizing trial findings using nested trial designs with sub-sampling of non-randomized individuals
为了将随机化试验的推论推广到所有符合试验条件的个体的目标人群，研究者可以使用嵌套试验设计，其中随机化个体嵌套在符合试验条件的个体的队列中，包括那些没有提供或拒绝随机化的个体。在这些设计中，从整个队列中收集基线协变量数据，仅需从随机化个体中收集治疗和结局数据。在本文中，我们描述了巢式试验设计，通过在对非随机个体（即，两阶段设计），使用可能取决于从队列中的所有个体获得的基线协变量的初始集合的采样概率。我们提出了一个估计潜在的结果意味着在目标人群中的所有试验合格的个人，并表明我们的估计是双重强大的，在这个意义上说，它是一致的，无论是随机个体之间的条件结果的平均值模型或模型的试验参与的概率是正确指定的。我们评估子采样的影响，我们的估计量的渐近方差，并在模拟研究中检查估计的有限样本性能。我们使用冠状动脉手术研究（CASS）的数据来说明这些方法。
2019-03-07 stat.ME
Seamless phase II/III clinical trials using early outcomes for treatment or subgroup selection: Methods and aspects of their implementation
自适应无缝设计将确证性试验（III期试验的一个领域）与治疗或亚组选择等特征（通常与II期试验相关）相结合。它们有望提高新药开发方案的效率，例如在样本量和/或开发时间方面。众所周知，适应性设计更多地涉及后勤角度，需要更多的前期规划，往往是广泛的模拟研究的形式，比传统的方法。在这里，我们提出了一个自适应治疗和亚组选择的框架，使用相同的符号，它链接在治疗选择的一方和另一方的亚组选择有点不同的文献。此外，我们引入了一个灵活而有效的仿真模型，为这两种设计。由于主要终点通常需要很长时间观察，因此中期分析通常会获得早期结局的信息。因此，所有方法都适用于由主要结局或早期结局提供信息的中期分析。R包asd，以前开发的模拟设计与治疗选择，扩展到包括亚群选择（所谓的自适应富集设计）。在这里，我们描述了R包asd的功能，并使用它来呈现一些由慢性阻塞性肺疾病和肿瘤学的临床试验激发的工作示例。这些例子说明了R包的各种功能，同时提供了对自适应无缝研究的操作特性的见解。
2019-01-24 stat.ME
Extending inferences from a cluster randomized trial to a target population
我们描述的方法，扩展（概括或运输）因果推断从集群随机试验的目标人群的集群，在一般的非参数模型，允许任意的集群内的依赖。我们提出了双重鲁棒估计的潜在结果的手段，在目标人群中，利用个人层面的数据，协变量和结果，以提高效率，并适合与机器学习方法使用。我们使用一项在818家养老院进行的流感疫苗接种策略的随机分组试验来说明这些方法，该试验嵌套在4，475家符合试验条件的Medicare认证养老院的队列中。
2022-03-28 stat.ME
Flexible Seamless 2-in-1 Design with Sample Size Adaptation
针对传统二合一肿瘤药物研发设计僵化、需预设固定样本量的问题，提出带样本量自适应的灵活二合一设计，契合FDA相关倡议，经模拟和案例验证可在保持相近检验效能下缩减样本量与研发周期。
2022-12-22 stat.ME
Is Repeated Bayesian Interim Analysis Consequence-Free?
The University of Texas MD Anderson Cancer Center（德克萨斯大学安德森癌症中心）；Louisiana State University（路易斯安那州立大学）；Office of Biostatistics, OTS/CDER, Food and Drug Administration（食品药品监督管理局生物统计办公室）
本文探讨了重复贝叶斯中间分析对效能和多重性的影响，发现即使先验匹配时，某些统计特性仍会改变，强调了先验指定和操作特性评估的重要性。
2025-12-28 stat.AP stat.ME
Extending inferences from a randomized trial to a new target population
当治疗效应修饰因子影响参与随机试验的决定时，随机化个体代表的人群中的平均处理效应将不同于其他人群中的效应。在本教程中，我们考虑将关于时间固定治疗的因果推断从试验扩展到新的非参与者目标人群的方法，使用来自已完成的随机试验的数据和来自目标人群样本的基线协变量数据。我们研究的方法的基础上建模的期望的结果，参与的概率，或两者兼而有之（双重鲁棒）。我们比较的方法在模拟研究中，并显示它们如何可以在软件中实现。我们将这些方法应用于一项随机试验，该试验嵌套在一组符合试验条件的患者中，以比较慢性冠状动脉疾病患者的冠状动脉手术加药物治疗与单纯药物治疗。最后，我们讨论了在应用分析中使用这些方法时出现的问题。
2019-10-28 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
TOP: Time-to-Event Bayesian Optimal Phase II Trial Design for Cancer Immunotherapy
免疫疗法彻底改变了癌症治疗。与化疗不同，免疫药物通常需要更长的时间才能显示出获益，并且这些药物复杂而独特的作用机制使得在某些试验中使用多个终点更为合适。免疫治疗的这些新特征使得传统的II期试验设计，假设一个单一的二元终点，这是快速确定的，效率低下和功能失调。我们提出了一个灵活和高效的时间到事件贝叶斯最优阶段II（TOP）设计。TOP设计是有效的，因为它允许通过使用所有可用数据在存在迟发性反应的情况下进行实时“进行/不进行”临时决策，并最大化检测有效治疗的统计功效。TOP在过渡外观的数量上是灵活的，能够在统一的框架下处理简单和复杂的端点。我们进行模拟研究，以评估TOP设计的操作特性。与一些现有的设计相比，TOP设计缩短了试验时间，并具有更高的功率来检测有效的治疗，以及控制良好的第一类错误。TOP设计允许在存在迟发反应的情况下做出实时的“去/不去”临时决定，并且能够在统一的框架下处理各种类型的端点。它是透明的，易于实施，因为它的决策规则可以在试验进行之前列表并包含在方案中。TOP设计提供了一种灵活、高效和易于实施的方法，以加速和改善免疫疗法的开发。
2018-10-01 stat.AP stat.ME
Continuous monitoring of delayed outcomes in basket trials
Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院）；University of Arkansas for Medical Sciences（阿肯色州医科大学）
本文提出在篮子试验中实施持续监测以提高非有前途篮子的早期识别，利用低计算成本的贝叶斯方法并扩展多重插补以处理延迟结果。
2026-01-01 stat.AP stat.ME
MRT-SS Calculator: An R Shiny Application for Sample Size Calculation in Micro-Randomized Trials
微随机试验（MRT）是一种新的试验设计，允许调查“即时”治疗的近端效应，通常通过移动终端提供，作为移动健康干预的一部分。与传统的随机对照试验一样，计算达到预期功效所需的最小样本量是设计MRT的关键步骤。我们提出了MRT-SS计算器，一个用于微随机试验的在线样本量计算器，使用R Shiny构建。MRT-SS计算器要求指定近端处理效应和预期治疗可用性的时变模式。我们说明了MRT-SS计算器使用移动健康试验，HeartSteps的实施。该应用程序可以从https://pengliao.shinyapps.io/mrt-calculator访问。
2020-08-05 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
Global sensitivity analysis for studies extending inferences from a randomized trial to a target population
当参与随机化试验的个体与使用试验结果的目标人群相比在效应调节剂的分布方面存在差异时，试验的处理效应估计值可能不直接适用于目标人群。将因果推断从试验推广到目标人群的方法依赖于随机化和非随机化个体之间的条件交换假设。这些假设的有效性往往是不确定的或有争议的，研究人员需要检查违反假设将如何影响研究结论。我们描述了全局敏感性分析的方法，直接参数化违反假设的潜在（反事实）的结果分布。我们的方法不需要详细的知识，具体的不可测量的效果修饰剂的分布或它们与观察到的变量的关系。我们说明了方法使用的数据，从试验嵌套在一个队列的试验合格的个人比较冠状动脉手术加药物治疗与药物治疗单独稳定性缺血性心脏病。
2022-07-20 stat.ME
Comparing randomized trials
Brown University School of Public Health（布朗大学公共卫生学院）；Center for Gerontology and Health Care Research, Brown University School of Public Health（布朗大学公共卫生学院老年学与医疗保健研究中心）；Harvard T.H. Chan School of Public Health（哈佛陈曾熙公共卫生学院）；Richard A. and Susan F. Smith Center for Outcomes Research, Beth Israel Deaconess Medical Center, Harvard Medical School（理查德·A和苏珊·F·史密斯结果研究中心，贝斯以色列女执事医疗中心，哈佛医学院）
该研究针对随机对照试验间的分歧问题，提出了考虑试验参与效应的因果框架，发现跨试验迁移治疗效应的标准条件不足以保证效应一致性，需额外条件，拓展了研究比较方法。
2026-10-14 stat.ME
A Bayesian Nonparametric Approach for Evaluating the Causal Effect of Treatment in Randomized Trials with Semi-Competing Risks
我们开发了一种贝叶斯非参数（BNP）方法来评估随机试验中治疗的因果效应，其中非终末事件可以被终末事件删失，但反之亦然（即，半竞争风险）。基于主分层的思想，我们定义了一个新的估计量的因果关系的治疗对非终端事件。我们引入识别假设，索引的敏感性参数，并显示如何使用我们的BNP方法得出推论。我们进行模拟研究，并说明我们的方法使用数据从脑癌试验。
2019-07-21 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
Combining Real-World and Randomized Control Trial Data Using Data-Adaptive Weighting via the On-Trial Score
混合对照组（由随机化患者和在标准临床实践中接受常规治疗的患者的真实数据组成的对照组）的临床试验有可能降低随机试验的成本，同时增加获得新型治疗的试验患者比例。然而，由于严格的试验入选标准以及试验和社区实践之间的护理和数据质量差异，试验患者与现实世界的患者相比可能具有系统性不同的结局。我们提出了一种新的方法，用于分析试验的混合控制臂，有效地控制偏差和第一类错误。根据我们提出的方法，选择的真实世界的患者是加权的“试验评分”的函数，这反映了他们的相似性试验患者。与以前开发的混合控制设计，分配相同的权重给所有现实世界的患者相比，我们的方法增加了现实世界的患者更接近随机对照患者的权重，而不同的患者被打折。通过考克斯比例风险模型获得处理效应的估计值。我们通过模拟将我们的方法与现有方法进行比较，并将这些方法应用于使用电子健康记录数据的研究。我们提出的方法是能够控制第一类错误，最大限度地减少偏差，并减少方差相比，仅使用试验数据在几乎所有的情况下检查。因此，我们的新方法可以在进行临床试验时使用，通过使用EHR中的加权患者来增强标准治疗组，以增加功效而不会引起偏倚。
2021-08-19 stat.ME
Doubly robust estimation of while-alive estimands in individually-randomized and cluster-randomized trials
Data Science Institute（数据科学研究所）；Medical College of Wisconsin（威斯康星医学院）
本研究针对个体与群组随机试验，提出存活期间估计量的双重稳健估计方法，验证其性质并通过模拟与再分析佐证方法有效性。
2026-08-18 stat.ME
Towards More Flexible False Positive Control in Phase III Randomized Clinical Trials
III期随机临床试验在评估新的医疗产品方面发挥着至关重要的作用。由于我们在评估医疗产品功效的能力中固有的不确定性，对试验结果的解释依赖于统计学原理，以将假阳性的误差控制在理想水平以下。成熟的统计假设检验程序存在两个主要局限性，即声称成功的阈值缺乏灵活性，以及缺乏控制大量试验可能产生的假阳性总数的能力。我们提出了两个一般的理论框架的基础上，传统的频率主义范式和贝叶斯的观点，这提供了现实的，灵活的和有效的解决方案，这些限制。我们的方法是基于感兴趣的试验人群的效应量分布。该分布的估计实际上是可行的，因为clinicaltrials.gov提供了一个集中的数据存储库，无偏地覆盖了临床试验。我们提供了两个框架的详细发展与行业赞助的III期随机临床试验获得的数值结果。
2019-02-21 stat.ME
Optimal sequential two-stage Bayes Factor Design for two-arm clinical Phase II Trials with binary Endpoints
提出一种无模拟方法，基于贝叶斯因子优化两臂II期试验的两阶段设计，通过精确表达式计算操作特征并最小化零假设下的期望样本量。
2026-06-01 stat.AP stat.ME
Cluster randomized trials designed to support generalizable inferences
针对整群随机试验中因特征依赖过采样导致推断难以推广的问题，提出带已知抽样概率的嵌套设计及对应分析方法，可在满足试验实施需求的同时精准量化目标总体治疗效应。
2024-09-17 stat.ME
Linear Mixed Models for Comparing Dynamic Treatment Regimens on a Longitudinal Outcome in Sequentially Randomized Trials
动态治疗方案（DTR）是一个预先指定的决策规则序列，它将个体的基线或时变测量值映射到推荐的干预或干预组。序贯多重分配随机试验（SMART）是一种重要的数据收集工具，可为构建有效的DTR提供信息。SMART的一个常见主要目的是比较试验中两个或多个DTR的边际均值。本文基于连续的纵向结果，为这些主要目的比较开发了混合效应建模和估计方法。该方法说明使用数据从智能自闭症研究。
2019-10-22 stat.ME
