|
|
|
本書基於作者多年來對公共衛生和醫學院學生、住院實習醫生和同事的教授課程，呈現臨床試驗中的生物統計學為許多基礎科學原則和統計方法的結合。它由淺入深的：
●教讀者如何設計、監測，和分析臨床試驗
●使讀者成為更好的臨床試驗研究者
此書含括臨床試驗的學術研究、商業開發，和公共衛生的三個方面，結合多門學科的概念和技術，涉及各種常用類型的試驗的設計與分析。對從事臨床試驗的讀者，它是本實用的參考書，亞馬遜網書評極佳。
譯者簡介
施維中
美國明尼蘇達州立大學統計學博士
美國統計學會院士
新澤西州立醫科大學生物統計學系創立者
兼任新澤西癌症研究院生物統計組主任
美國衛福部頒獎顧問
泛華統計學會早期推動人及永久會員之一
｢樣本量再估計｣方法先驅，最先倡導使用｢一致性｣
為統計原則來檢驗｢橋接試驗｣的作者
2020年羅格斯大學榮譽退休教授。
許根寧
國立中央大學統計學博士
中央研究院統計科學研究所博士後研究員
百瑞精鼎國際股份有限公司高級統計師
上海康德弘翼醫學臨床研究有限公司資深高級統計師
上海百利佳生醫藥科技有限公司統計副總監
原作者 4
譯者 5
原作者序 6
譯者序 9
1 概要 17
1.1 什麼是臨床試驗 18
1.2 良好實驗的要求 19
1.2.1 古籍中最早的例子 19
1.2.2 臨床試驗的必要步驟 20
1.2.3 臨床試驗計劃書的必要章節 21
1.2.4 完善設計的研究的定義和評估計劃書的指導 22
1.3 道德與安全優先 24
1.3.1 紐倫堡守則（1947）和赫爾辛基宣言（1964） 25
1.3.2 貝爾蒙特報告（1976） 25
1.3.3 討論 26
1.4 臨床試驗的分類 26
1.4.1 根據醫療介入 27
1.4.2 根據疾病或治療範圍 27
1.4.3 根據藥物開發階段作為實驗階段 27
1.4.4 根據疾病呈現（治療試驗）或未呈現（預防試驗） 30
1.4.5 根據設計特徵 31
1.4.6 根據假設和統計推論 31
1.5 臨床試驗中的多學科的團隊合作 31
附錄1.1：知情同意書的要素 32
作業 34
參考文獻 34
2 統計試驗設計的觀念與方法 37
2.1 外部有效性 38
2.2 內部有效性 41
2.3 可重複性 42
2.4 均值迴歸的現象與一個現行對照組的重要 42
2.4.1 均值迴歸：定義與例子 42
2.4.2 均值迴歸的影響視為一種偏差形式 44
2.5 隨機樣本與隨機分派的樣本 45
2.5.1 什麼是隨機分派？ 46
2.5.2 為何要隨機分派 46
2.5.3 隨機分派與盲瞞的邏輯 46
2.5.4 隨機分派過程 47
2.6 隨機分派方法 48
2.6.1 完全隨機分派設計 48
2.6.2 區組隨機分派 48
2.6.3 分層隨機分派 49
2.7 最小化分派 49
2.8 患者人口統計學和基線特徵表 52
作業 53
參考文獻 55
3 效率的權衡和交叉設計 59
3.1 一個設計的統計效率 60
3.2 交叉設計 61
3.3 2×2交叉設計的分析 62
附錄3.1：1比1分派的效率 65
附錄3.2：不同變異數之下最佳分派 65
附錄3.3：最佳化反應者數量 66
作業 67
參考文獻 68
4 樣本數和檢定力計算 69
4.1 基礎 70
4.2 比較連續結果的平均值 70
4.3 比較二元結果的比率值 75
4.4 比較事件發生時間指標 76
4.4.1 結果事件 76
4.4.2 具有和不具有設限的指數分佈模型 77
4.4.3 韋伯分佈下的對數秩檢驗 80
4.4.4 比例風險模型下的對數秩檢驗 80
4.5 叢聚（或相關）觀察值 81
4.6 檢定非劣性或等效性假設的樣本數 83
4.7 透過Wilcoxon-Mann-Whitney檢定比較順序指標 87
4.8 樣本數校正 88
4.8.1 對於失去追蹤的校正 88
4.8.2 對於非依順／非順從的校正 89
4.8.3 對失去追蹤跟非依順／非順從的調整 90
4.8.4 對多重檢定的調整 90
4.9 使用模擬和靴拔重抽法估計樣本數 90
附錄4.1：存活數據分析的基礎知識 90
附錄4.2：指數分佈模型 92
附錄4.3：具有獨立設限的存活 93
附錄4.4：在指數模型下具有設限的MLE(最大概似估計量) 93
作業 95
參考文獻 99
5 共變異分析與分層分析 101
5.1 資料分析的原則 102
5.2 連續反應－變異數分析(ANOVA)與共變異分析(ANCOVA) 103
5.2.1 檢定相同斜率 104
5.2.2 具有一個共同斜度的共變異分析模型 105
5.2.3 使用SAS執行共變異分析 106
5.3 透過共變因子減少變異量 108
5.4 分層分析 108
附錄5.1：每周平均疼痛評分數據 111
作業 113
參考文獻 115
6 逐次設計與方法－第一部分：期望樣本數與二階段二期腫瘤試驗 117
6.1 最大樣本數與期望樣本數 118
6.2 一階段對比二階段癌症二期試驗 118
6.2.1 介紹 118
6.2.2 用R函數重新探討單樣本之下的二項分佈和樣本數估計 119
6.2.3 一個兩階段設計的例子 120
6.3 塞門（Simon）的二階段設計 123
6.3.1 優化設計 123
6.3.2 大中取小設計 124
6.4 討論 124
6.4.1 軟體 124
6.4.2 p值 124
6.4.3 其它議題 125
作業 125
參考文獻 127
7 逐次設計與方法－第二部份：監測安全與療效不彰 129
7.1 監測安全 130
7.1.1 不良事件 130
7.1.2 使用貝氏方法監測嚴重不良事件 131
7.1.3 貝他－二項模型 132
7.1.4 誘出貝他分佈的形狀參數(a, b) 135
7.1.5 討論 136
7.1.6 用伽瑪－卜瓦松分佈監測不常發生的嚴重事件 137
7.2 使用條件機率監測療效不彰 139
7.2.1 兩階段監測過程 139
7.2.2 討論 141
附錄7.1：根據方法A使用R函數獲得先驗分佈Beta(a, b)的參數 142
附錄7.2：根據方法B使用R函數獲得先驗分佈Beta(a, b)的參數 143
附錄7.3：關於兩階段監測過程的註釋 143
附錄 7.3.1 143
附錄 7.3.2 144
附錄 7.3.3 144
作業 145
參考文獻 146
8 逐次設計與方法－第三部份：正規逐次設計試驗 147
8.1 試驗監測的法規要求和後勤考量 148
8.2 統計方法 150
8.2.1 基礎 150
8.2.2 等間隔集群逐次邊界 152
8.2.3 第一型誤差率消耗／使用函數方法 154
8.2.4 Pocock‒型、OBF‒型，以及其它連續的邊界 156
8.3 檢定力、資訊、漂移參數 159
8.4 當試驗停止時的p值 161
8.5 療效的估計 162
附錄 8.1：R函數qfind用於計算第二（最終）分析的臨界值（邊界） 163
附錄 8.2：關於具有獨立增量的部分和過程的進一步說明 164
附錄 8.3：「訊息時間(比例)」和「最大持續時間試驗」與「最大訊息試驗」 165
作業 167
參考文獻 167
9 監測最大的訊息 171
9.1 樣本數再估計 172
9.2 對使用存活指標的研究來監測其試驗持續時間 174
9.3 改變正規集群逐次阿法消耗函數程序 177
9.4 適應性集群逐次程序－改變不根據非盲的期間資料 179
附錄 9.1 183
附錄 9.2 184
作業 186
參考文獻 187
10 缺失數據 189
10.1 介紹 190
10.2 要回答的問題－構成的研究目標 190
10.3 缺失數據模式和機制 192
10.4 缺失數據的可忽略性與不可忽略性 193
10.5 多重插補法對MAR假設之下的分析 196
10.6 MAR下單調模式缺失值的追蹤數據分析 197
10.7 一個特定NMAR模型假設下使用MI的分析 199
10.8 使用退出原因和追蹤時間來形成缺失數據模式和敏感度分析 203
10.9 其它NMAR方法 204
附錄10.1：抽樣分配推論 205
附錄10.2：概似推論 205
附錄10.3：貝氏推論 206
附錄10.4：MCAR和MAR的選擇模型與模式混合模型之間的等價關係 206
附錄10.5：NFD缺失機制作為具有單調缺失數據模式的長期追蹤數據的NMAR的一個子類別 207
附錄 10.6：選擇模型NFD缺失條件（等式10A.10）和模式混合模型NFD缺失條件（等式10A.12）之間的等價關係 209
作業 210
參考文獻 211
英中對照 215
