统计建模用于调整适应性平台试验中的时间趋势,使用非并发控制

科学领域:

• 生物统计学 生物统计学
• 临床试验设计 临床试验设计
• 药学研究 药学研究

背景情况:

• 平台试验越来越多地使用非并发控制 (NCC) 数据来提高效率.
• 纳入NCC数据可以提高统计能力,减少样本大小要求.
• 在NCC数据中的时间偏移可以引入对效果估计器的偏差.

研究的目的:

• 建议和评估基于频率模型的方法,用于使用NCC数据分析迟进入的武器.
• 为了减轻使用NCC数据时由时间漂移引入的潜在偏差.
• 在平台试验分析中调整时间变化的效应.

主要方法:

• 建议对NCC数据的现有时间调整模型进行两个扩展.
• 研究了固定长度的日历时间间隔和基于模型的替代调整 (随机效应,多项式分线).
• 通过模拟研究和案例研究评估性能.

主要成果:

• 基于Spline的时间调整控制了I型错误,使时间趋势平稳,并提供了功率增益.
• 经过周期调整的固定效应模型对任意时间趋势表现出了稳定性,假设跨部门的平等性.
• 在使用NCC数据时,对于具有突然时间趋势变化的试验,偏好周期调整模型.

结论:

• 新的频率模型有效地利用NCC数据,同时在平台试验中调整时间效应.
• 模型的选择取决于时间趋势和数据特征的性质.
• 周期调整模型提供了一个强大的解决方案,用于处理NCC数据的时间变化影响,特别是在复杂的场景中.