臨床試驗(yàn)設(shè)計(jì)的統(tǒng)計(jì)方法

前輔文
章 統(tǒng)計(jì)學(xué)基礎(chǔ)
1.1 統(tǒng)計(jì)學(xué)在醫(yī)學(xué)中的應(yīng)用
1.2 隨機(jī)變量及統(tǒng)計(jì)分布
1.2.1 離散型分布函數(shù)
1.2.2 連續(xù)型分布函數(shù)
1.3 多元統(tǒng)計(jì)分布
1.4 Cola 函數(shù)
1.5 中心極限定理與Delta方法
1.6 頻率學(xué)派的統(tǒng)計(jì)方法
1.6.1 似然估計(jì)
1.6.2 置信區(qū)間
1.6.3 假設(shè)檢驗(yàn)
1.7 小結(jié)
第二章 貝葉斯統(tǒng)計(jì)方法
2.1 貝葉斯公式
2.2 先驗(yàn)分布
2.2.1 先驗(yàn)分布的類型
2.2.2 共軛先驗(yàn)分布
2.2.3 Jeffreys 先驗(yàn)分布
2.2.4 參照先驗(yàn)分布
2.2.5 基于歷史數(shù)據(jù)的冪方先驗(yàn)分布
2.2.6 相稱先驗(yàn)分布
2.3 可信區(qū)間
2.4 Lindley 悖論
2.5 p值與后驗(yàn)概率的關(guān)系
2.5.1 連續(xù)型數(shù)據(jù)的假設(shè)檢驗(yàn)
2.5.2 兩分類型數(shù)據(jù)的假設(shè)檢驗(yàn)
2.6 簡(jiǎn)單假設(shè)檢驗(yàn)下p值與后驗(yàn)概率的比較
2.6.1 平均p值與平均后驗(yàn)概率
2.6.2 p值與后驗(yàn)概率的數(shù)值模擬比較
2.7 貝葉斯因子
2.8 貝葉斯模型平均方法
2.9 貝葉斯分層模型
2.10 貝葉斯廣義矩方法
2.11 統(tǒng)計(jì)決策理論
2.12 馬爾可夫鏈蒙特卡羅方法
2.12.1 逆變換抽樣法
2.12.2 拒絕抽樣法
2.12.3 Gibbs 抽樣法
2.12.4 Metropolis--Hastings 算法
2.13 小結(jié)
第三章 廣義線性模型
3.1 線性模型
3.2 廣義線性模型
3.2.1 指數(shù)分布族
3.2.2 聯(lián)接函數(shù)
3.2.3 模型參數(shù)的估計(jì)
3.3 貝葉斯學(xué)派的線性模型
3.4 貝葉斯廣義線性模型
3.5 兩分類型數(shù)據(jù)的潛變量模型
3.6 小結(jié)
第四章 生存分析
4.1 基本概念
4.2 Log-rank 檢驗(yàn)
4.3 指數(shù)分布下的生存模型
4.4 Cox 比例風(fēng)險(xiǎn)模型
4.5 可加風(fēng)險(xiǎn)模型
4.6 加速失效時(shí)間模型
4.7 加速風(fēng)險(xiǎn)模型
4.8 分位數(shù)回歸模型
4.9 治愈率模型
4.10 小結(jié)
第五章 臨床試驗(yàn)的簡(jiǎn)介及相關(guān)概念
5.1 一期至四期臨床試驗(yàn)的簡(jiǎn)介
5.1.1 一期臨床試驗(yàn)
5.1.2 二期臨床試驗(yàn)
5.1.3 三期臨床試驗(yàn)
5.1.4 四期臨床試驗(yàn)
5.2 臨床試驗(yàn)的基本概念與結(jié)構(gòu)
5.2.1 研究方案
5.2.2 研究目標(biāo)
5.2.3 參與標(biāo)準(zhǔn)與病人招募
5.2.4 統(tǒng)計(jì)效能及樣本量的計(jì)算
5.2.5 盲法
5.2.6 隨機(jī)化分組
5.2.7 病人的不良反應(yīng)
5.2.8 收尾工作
第六章 適應(yīng)性隨機(jī)化方法
6.1 簡(jiǎn)介
6.2 簡(jiǎn)單隨機(jī)化分組
6.3 排列區(qū)塊隨機(jī)化分組
6.4 分層隨機(jī)化分組
6.5 基于協(xié)變量的適應(yīng)性隨機(jī)化分組
6.6 偏幣設(shè)計(jì)
6.7 優(yōu)者原則
6.7.1 非隨機(jī)化的優(yōu)者原則
6.7.2 隨機(jī)化的優(yōu)者原則
6.8 劣者淘汰原則
6.9 優(yōu)適應(yīng)性隨機(jī)化分配
6.9.1 兩分類型數(shù)據(jù)
6.9.2 連續(xù)型數(shù)據(jù)
6.9.3 生存時(shí)間型數(shù)據(jù)
6.10 雙重適應(yīng)性的偏幣設(shè)計(jì)
6.11 貝葉斯適應(yīng)性隨機(jī)化分配
6.11.1 固定參照的適應(yīng)性隨機(jī)化分配
6.11.2 移動(dòng)參照的適應(yīng)性隨機(jī)化分配
6.12 權(quán)衡與毒性的適應(yīng)性隨機(jī)化分配
6.12.1 數(shù)據(jù)的生存模型
6.12.2 毒性數(shù)據(jù)的Probit 模型
6.12.3 與毒性的權(quán)衡
6.13 固定與適應(yīng)性隨機(jī)化分配的比較
6.14 小結(jié)
第七章 一期臨床試驗(yàn)設(shè)計(jì)的統(tǒng)計(jì)方法
7.1 藥物的耐受劑量
7.2 藥物劑量的確定
7.3 3 3設(shè)計(jì)
7.4 持續(xù)再評(píng)估方法(CRM)
7.4.1 CRM 模型
7.4.2 先驗(yàn)與后驗(yàn)分布
7.4.3 劑量探尋算法
7.4.4 試驗(yàn)?zāi)M
7.5 基于貝葉斯模型平均的持續(xù)再評(píng)估方法
7.5.1 CRM 骨架
7.5.2 BMA-CRM
7.5.3 劑量探尋算法
7.5.4 試驗(yàn)?zāi)M
7.5.5 BMA-CRM 設(shè)計(jì)的敏感性分析
7.6 控制過高劑量的遞增設(shè)計(jì)
7.7 貝葉斯優(yōu)區(qū)間設(shè)計(jì)
7.8 穩(wěn)健優(yōu)區(qū)間設(shè)計(jì)
7.8.1 復(fù)合假設(shè)檢驗(yàn)
7.8.2 試驗(yàn)?zāi)M
7.9 控制過高劑量的非參數(shù)方法
7.9.1 非參數(shù)概率模型
7.9.2 劑量探尋算法
7.9.3 試驗(yàn)?zāi)M
7.10 小結(jié)
第八章 延遲型毒性結(jié)果的劑量探尋方法
8.1 延遲效應(yīng)與數(shù)據(jù)缺失問題
8.2 分?jǐn)?shù)化持續(xù)再評(píng)估方法
8.2.1 刪失數(shù)據(jù)的重新加權(quán)
8.2.2 分?jǐn)?shù)化CRM
8.3 時(shí)間跟進(jìn)型持續(xù)再評(píng)估方法
8.3.1 加權(quán)二項(xiàng)似然函數(shù)
8.4 試驗(yàn)?zāi)M
8.5 小結(jié)
第九章 聯(lián)合用藥的劑量探尋方法
9.1 聯(lián)合用藥的目的
9.2 聯(lián)合用藥的難點(diǎn)
9.3 聯(lián)合用藥劑量探尋方法的簡(jiǎn)介
9.4 分級(jí)亞組試驗(yàn)設(shè)計(jì)
9.5 Cola 模型設(shè)計(jì)
9.5.1 Clayton 模型
9.5.2 多藥物聯(lián)合試驗(yàn)
9.5.3 劑量探尋算法
9.5.4 試驗(yàn)?zāi)M
9.6 列聯(lián)表設(shè)計(jì)
9.6.1 二元變量下的列聯(lián)表
9.6.2 列聯(lián)表設(shè)計(jì)
9.6.3 試驗(yàn)?zāi)M
9.7 列聯(lián)表方法與Cola 模型的關(guān)系
9.8 貝葉斯優(yōu)區(qū)間設(shè)計(jì)
9.8.1 雙藥聯(lián)用BOIN 設(shè)計(jì)
9.8.2 雙藥聯(lián)用ROI 設(shè)計(jì)
9.9 抽樣聚集再評(píng)估方法
9.9.1 動(dòng)態(tài)排序
9.9.2 抽樣聚集CRM
9.9.3 劑量探尋算法
9.9.4 試驗(yàn)?zāi)M
9.10 一期與二期無(wú)縫雙藥聯(lián)用試驗(yàn)
9.10.1 一期與二期無(wú)縫設(shè)計(jì)
9.10.2 試驗(yàn)?zāi)M
9.11 小結(jié)
第十章 二期臨床試驗(yàn)設(shè)計(jì)的統(tǒng)計(jì)方法
10.1 Simon 二階段試驗(yàn)設(shè)計(jì)
10.2 貝葉斯二階段設(shè)計(jì)
10.2.1 貝葉斯二階段設(shè)計(jì): 兩分類型數(shù)據(jù)
10.2.2 貝葉斯二階段設(shè)計(jì): 生存時(shí)間型數(shù)據(jù)
10.3 基于貝葉斯后驗(yàn)概率的二期臨床試驗(yàn)設(shè)計(jì)
10.4 基于貝葉斯預(yù)測(cè)概率的二期臨床試驗(yàn)設(shè)計(jì)
10.5 隨機(jī)化二期臨床試驗(yàn)的預(yù)測(cè)監(jiān)控
10.6 二元結(jié)果的貝葉斯二期臨床試驗(yàn)設(shè)計(jì)
10.6.1 雙變量二元結(jié)果
10.6.2 試驗(yàn)停止界限
10.7 無(wú)縫單臂轉(zhuǎn)雙臂式的二期臨床試驗(yàn)設(shè)計(jì)
10.7.1 假設(shè)檢驗(yàn)
10.7.2 無(wú)效性停止界限
10.7.3 可測(cè)差異
10.7.4 設(shè)計(jì)參數(shù)的確定
10.8 貝葉斯單臂轉(zhuǎn)雙臂式的轉(zhuǎn)換假設(shè)檢驗(yàn)的試驗(yàn)設(shè)計(jì)
10.8.1 轉(zhuǎn)換假設(shè)檢驗(yàn)的試驗(yàn)設(shè)計(jì)
10.8.2 頻率學(xué)派下的錯(cuò)誤率
10.8.3 設(shè)計(jì)參數(shù)的確定
10.9 一期與二期無(wú)縫接軌試驗(yàn)
10.9.1 主要目的
10.9.2 似然函數(shù)與先驗(yàn)分布
10.9.3 優(yōu)勢(shì)比與劑量探尋算法
10.9.4 試驗(yàn)?zāi)M
10.10 小結(jié)
第十一章 三期臨床試驗(yàn)的統(tǒng)計(jì)方法
11.1 簡(jiǎn)介
11.2 假設(shè)檢驗(yàn)
11.2.1 三期臨床試驗(yàn)的分類
11.3 優(yōu)效性與非劣效性試驗(yàn)的比較
11.4 連續(xù)型數(shù)據(jù)的樣本量計(jì)算
11.4.1 差異性檢驗(yàn)
11.4.2 優(yōu)效性試驗(yàn)
11.4.3 非劣效性試驗(yàn)
11.4.4 等效性試驗(yàn)
11.5 兩分類型數(shù)據(jù)的樣本量計(jì)算
11.5.1 差異性檢驗(yàn)
11.5.2 基于合并樣本方差的樣本量
11.5.3 基于單獨(dú)樣本方差的樣本量
11.5.4 優(yōu)效性試驗(yàn)
11.5.5 非劣效性試驗(yàn)
11.5.6 等效性試驗(yàn)
11.6 生存時(shí)間型數(shù)據(jù)的樣本量計(jì)算
11.6.1 生存曲線的比較
11.6.2 指數(shù)分布下的樣本量計(jì)算
11.7 因果關(guān)系與目標(biāo)分析人群
11.7.1 因果關(guān)系推斷和反事實(shí)變量
11.7.2 目標(biāo)分析人群
11.8 小結(jié)
第十二章 成組序貫設(shè)計(jì)
12.1 成組序貫方法
12.1.1 多重檢驗(yàn)
12.1.2 Pocock 設(shè)計(jì)
12.1.3 O'Brien--Fleming 設(shè)計(jì)
12.1.4 信息的累積與漸近分布
12.1.5 臨界常量的計(jì)算
12.1.6 樣本量與擴(kuò)充倍數(shù)
12.1.7 無(wú)效性停止界限
12.1.8 重復(fù)置信區(qū)間
12.2 貝葉斯隨機(jī)化試驗(yàn)
12.2.1 貝葉斯設(shè)計(jì)
12.2.2 類與第二類錯(cuò)誤率
12.3 貝葉斯設(shè)計(jì)的類錯(cuò)誤率
12.3.1 貝葉斯設(shè)計(jì)的多重檢驗(yàn)問題
12.3.2 控制類錯(cuò)誤率: 兩分類型數(shù)據(jù)
12.3.3 后驗(yàn)概率的閾值
12.3.4 控制類錯(cuò)誤率: 連續(xù)型數(shù)據(jù)
12.3.5 試驗(yàn)案例
12.4 基于貝葉斯決策理論的成組序貫設(shè)計(jì)
12.4.1 損失函數(shù)
12.4.2 反向推演算法
12.4.3 試驗(yàn)?zāi)M
12.5 貝葉斯適應(yīng)性成組序貫設(shè)計(jì)
12.5.1 損失函數(shù)
12.5.2 單步反向推演算法
12.5.3 損失函數(shù)與頻率學(xué)派類錯(cuò)誤率的關(guān)系
12.5.4 試驗(yàn)?zāi)M
12.6 小結(jié)
第十三章 適應(yīng)性試驗(yàn)設(shè)計(jì)
13.1 設(shè)計(jì)目的
13.2 Fisher 組合檢驗(yàn)
13.3 條件效能
13.4 適應(yīng)性成組序貫設(shè)計(jì)
13.5 自行設(shè)計(jì)的試驗(yàn)方法
13.6 小結(jié)
參考文獻(xiàn)