Video Experimental Relacionado
Updated: Feb 19, 2026

An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
Estadísticas de victoria (proporción de victorias, odds de victoria y beneficio neto): No colapsabilidad y
Gaohong Dong1, Margaret Gamalo-Siebers2, Ying Cui3
1iStats Inc., Long Island City, New York, USA.
Las estadísticas de victoria, como la proporción de victorias, generalmente no son colapsables en los tipos de datos de ensayos clínicos. Las estadísticas de victoria estratificadas ofrecen un enfoque de estandarización para el análisis de resultados complejos, abordando las preocupaciones destacadas por la FDA.
Área de la Ciencia:
- Metodología de Ensayos Clínicos
- Bioestadística
- Investigación de Resultados en Salud
Sus antecedentes:
- Las estadísticas de victoria, incluida la proporción de victorias y las odds de victoria, son prevalentes en el diseño y análisis de ensayos clínicos en diversas áreas de enfermedades.
- Estas estadísticas son cruciales para evaluar la eficacia del tratamiento, particularmente en enfermedades cardiovasculares, oncología y diabetes.
- A pesar de la extensa investigación sobre inferencia estadística, la no colapsabilidad de las estadísticas de victoria sigue estando poco investigada, un problema crítico señalado en la reciente guía de la FDA.
Objetivo del estudio:
- Investigar la no colapsabilidad de las estadísticas de victoria (proporción de victorias, odds de victoria, beneficio neto) en datos de ensayos clínicos.
- Evaluar la colapsabilidad de estas estadísticas en tipos de datos binarios, continuos y tiempo hasta el evento.
- Proponer soluciones para el análisis de resultados múltiples priorizados en presencia de no colapsabilidad.
Principales métodos:
- Análisis de la colapsabilidad de las estadísticas de victoria utilizando datos simulados y datos de ensayos clínicos del mundo real.
- Examen de la proporción de victorias, las odds de victoria y el beneficio neto en estructuras de datos binarias, continuas y tiempo hasta el evento.
- Aplicación de métodos de inferencia estadística para evaluar las propiedades de no colapsabilidad.
Principales resultados:
- La proporción de victorias se encontró que no era colapsable para los tres tipos de datos (binarios, continuos, tiempo hasta el evento).
- Las odds de victoria y el beneficio neto demostraron colapsabilidad para datos binarios pero no fueron colapsables para datos continuos y tiempo hasta el evento.
- En general, las estadísticas de victoria exhiben una no colapsabilidad general, lo que requiere una interpretación y análisis cuidadosos.
Conclusiones:
- Las estadísticas de victoria son generalmente no colapsables, lo que afecta su interpretación en el análisis de ensayos clínicos.
- Se proponen estadísticas de victoria estratificadas como un método de estandarización robusto para analizar resultados múltiples priorizados.
- Este enfoque es particularmente valioso en escenarios donde la no colapsabilidad es una preocupación significativa, alineándose con las recomendaciones de la FDA.
Más Videos Relacionados
08:36Author Spotlight: Evaluating the Adjuvant Efficacy and Safety of Angong Niuhuang Pill in Viral Encephalitis Treatment
Published on: April 19, 2024
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
Videos de Conceptos Relacionados
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
Hazard Ratio
For example, in a clinical trial...
Clinical Trials
There are four phases in a clinical trial. A phase one...
Survival Curves
The Kaplan-Meier estimator is the most common method for constructing survival curves. This...
Statistical Software for Data Analysis and Clinical Trials
Testing a Claim about Population Proportion
There are two methods of testing a claim about a population proportion: (1) Using the sample proportion from the data where a binomial distribution is approximated to the normal distribution and (2) Using the binomial probabilities calculated from the data.
The first method uses normal distribution as an approximation to the binomial distribution. The requirements are as follows: sample size is large...