论文部分内容阅读
种族敏感性临床试验指的是研究同一药物在不同种族中安全性和有效性是否有显著性差异的临床试验。通常选取桥接试验或者多中心临床试验来开展种族因素对于药物作用效果的研究。课题将为种族敏感性的临床开展提供统计推断方面的参考。目的考虑种族敏感性临床试验在各地区间招募人数不同的情况,介绍基于药代动力学的样本量计算方法,设计不同的入组比例并寻找不同入组比例之间的样本量关系。课题将对于已经找出的效能函数进行简化或者近似。课题还将探讨在多剂量情况下效能计算过程中存在的多重性问题,如多个置信区间的整体置信水平问题以及同时比较多个剂量下种族差异的整体效能问题。探讨在不同剂量水平下入组人数不同的情况。方法建立回归分析模型,通过Monte Carlo模拟和数值积分的方法计算效能函数。通过在不同参数设置下模拟样本量结果,找出不同入组比例下不同备择假设情况下的样本量及对应效能关系图。整体置信水平的探讨中将比较Bonferroni,Dunnet和Sheffe方法在建立多个置信区间中的优劣。所有的统计计算都将由SAS/IML来实现。结果1)模拟得到在不同入组比例以及不同备择假设情况下,样本量与对应效能的相互关系。2)通过简化,得到精确度非常高的近似效能函数。3)在多剂量种族敏感性临床试验的设计中,如果需要比较多个剂量水平下的种族差异,为达到相同的整体置信水平,按照Dunnet方法给出的置信区间最窄。4)整体效能的多重性问题中需要考虑剂量序列中的最大和最小剂量值对应的效能。结论1)为达到相同的效能要求,任何偏态的存在,如地区间不是按照1：1入组,或者备择假设不是γ=0等情况,都需要相应的增加受试者的招募人数。2)近似效能函数具有非常高的准确度,在绝大部分情况下,可以替代原效能函数。3)在多剂量下的置信区间多重性问题中,Dunnet方法充分考虑了多个剂量之间的信息,相比于Bonferroni和Sheffe方法具有很大的优势。以上结论都可以帮助种族敏感性临床试验的设计,尤其是在样本量和效能计算方面。因此,课题的实际意义得以彰显。