临床试验的数据管理和统计分析.ppt

三、有效性评价(定量指标) 对基线和不同访视点及其相对基线的评价指标变化进行统计描述，计算例数、均数、标准差、中位数、最小值、最大值。 采用协方差分析（ANCOVA）模型对治疗前后的评价指标变化进行两组间比较，此分析模型以基线评价指标为协变量，考虑分组、中心的作用。在此模型的基础上，计算各组的最小二乘均数 （LSMEANS）、95% 可信区间以及两组变化值之差的的最小二乘均数 （LSMEANS）、95% 可信区间。对各研究中心结果的一致性的检验，应用在上述模型中增加治疗分组与研究中心交互作用项的协方差模型分析，并在0.10水平判断交互项是否有意义，即：是否存在交互作用。此外，对每组各指标治疗前后的变化将采用配对t检验进行比较。 三、有效性评价(定性指标) 对定性指标(如治疗是否成功)，分别对各访视点(包括终点)按该指标的分类情况进行描述，计算各分类的例数和百分数，在α=0.05显著水平下，采用按中心分层的CMH-χ2检验对两组进行比较。以此模型为基础计算评价终点时该指标的95%可信区间。 应用协方差分析(COANOVA)在18周时评价SISBP变化这一主要终点，以研究中心和治疗方法的因素，基线SISBP为协变量。计算每个治疗组从基线变化的最小二乘均数和95%CI。计算95%CI显示最小二乘均数的差异。如果双侧95%CI显示的差异小于6mmHg(18周时氯沙坦组SISBP平均变化值-氨氯地平为主治疗的平均SISBP变化值)，则认为氯沙坦为主的治疗不劣于氨氯志平为主的治疗。根据95%CI评价组内变化值。研究规模可以提供90%的把握度，证实SISBP下降显示氯沙坦为主的治疗不劣于氨氯地平为主的治疗。 统计学新名词 1、协方差分析(协变量) 2、95%CI 3、最小二乘均数 4、不劣于(非劣效) 有效性评价的统计学方法 两组比较的类型 优效(Superiority): 或 “试验组(E)优于对照组(C )” 等效(Equivalence): = 或 “试验组(E)与对照组(C )相当” 非劣效(Non-inferiority ): ? 或 “试验组(E) 与对照组(C ) 差不多” 无效假设：试验组与对照组均数相等 Ho: T-C=0 备择假设：试验组与对照组均数不等 H1: T-C≠0 假设检验与两类错误 推论结果 ? ? 拒绝 不拒绝 假 设 正确 错误 把握度 1 - ? 假设被告无罪 (犯罪嫌疑人) 原告辩护律师获胜 假设检验与两类错误 阳性对照试验的优效性检验 (P0.05) 非劣效/等效 (错!) 误解 ? 检验假设的构建和检验用统计量 结论的推断 假设检验 可信区间提供一个围绕某统计量(如样本均数)的范围，这个范围可以以一定的可信度包含相应的参数(如总体均数). 例如，样本均数的 95% 可信区间可以解释为：“有95%的把握认为总体均数在这个围绕样本均数的区间内. ) 可信区间(Confidence Interval,CI) 观察到试验组与对照组成功率之差 如：- 2% (样本率) 200 名受试者, 有效性评价指标---成功率， 试验药: 88%, 对照药: 90%, 95% CI: (-8.6% 4.6%) 4.6% - 8.6% 0% 总体率范围 建立可信区间与进行假设检验的过程几乎是相同的:二者均需要标准误、统计量的抽样分布，二者均找到统计量的判断界值.? 如果一个可信区间的上限低于另一个可信区间的下限，那么两样本 t 检验也会同时提示两均数不相等. 可信区间与假设检验的关系 优效的定义 “E C” 的结果并非100%可信 差 好 C E “E 的真值” 因为 E C ? E – C 0, … 差 好 E – C 0 E – C 的 95% 可信区间 包含在区间 (0, ?) 内 ? 假设 E = C 的检验结果： P0.05 优效性试验的统计分析 试验组(E)是否优于对照组(C)? 步骤 从试验结果判断差异的大小 CI 包含于 (0, ?) ? 假设检验的 p值 0.05（有统计学意义） 列出实际P值表明其对差异的支持程度 如果统计学有意义，判断差异的临床价值 优效: E – C 的 95% 可信区间 强支持优效 支持优效 不支持优效 0 试验组更好 对照组更好 p = 0.002 p = 0.05 p = 0.2 ( ( ( ) ) ) 等效性试验的统计分析 E 是否等效于 C? 或, 确定差异在事先定好的范围 ? 内 步骤 选择