c573489167的博客

原创 药物临床试验样本量估计指导原则（试行）

摘要：本文介绍了临床试验中样本量重新估计的概念、主要考虑因素及调整方法。样本量估计需基于主要目标，控制FWER并保证检验效能（通常≥80%）。样本量调整需评估必要性、合理性和可行性，区分盲态（不膨胀FWER）和非盲态（需控制I类错误）两种重估方式。强调调整须预先规划，避免随意变更，方案中应详细说明计算方法及参数依据。特别指出非劣效性试验和单臂试验通常不建议调整样本量，多次调整可能增加偏倚风险。最后提供了样本量调整的合理性评估要点和监管机构指导原则链接。

原创 药物临床试验多重性问题指导原则（试行）

本文系统阐述了临床试验中的多重性问题及其调整策略。首先定义了多重性、FWER等核心概念，分析了多重性在多个终点、多组比较、亚组分析等场景中的表现。随后介绍了三种主要调整策略：平行策略（如Bonferroni法）、序贯策略（如Holm法）和分阶段策略（如期中分析α消耗法）。文章还探讨了多重性调整可能带来的偏倚风险，强调应在试验方案中预先明确调整方法。最后提供了相关技术指导文件的链接，为临床试验设计中的多重性控制提供了系统的方法学框架。

原创 药物临床试验亚组分析指导原则（试行）

摘要：亚组分析是临床试验中评估药物在不同患者子集中疗效和安全性的重要方法。根据目的可分为探索性、支持性和确证性三类，分别用于假设生成、一致性验证和确证疗效。亚组定义需考虑生物学合理性、临床可操作性等因素，通常基于1-2个基线变量。确证性分析需预先定义亚组并控制多重性，而探索性分析可不调整I类错误。结果解释需兼顾统计学和临床意义，避免事后分析导致的假阳性。亚组分析为精准医疗提供依据，但需谨慎处理异质性和样本量问题。（149字）

原创 药物临床试验协变量校正指导原则

本文系统阐述了临床试验中协变量的定义、应用及统计分析方法。协变量作为干预前观测且与结果相关的变量，其校正可减少终点变量中的冗余变异。文章详细讨论了试验设计中协变量的选择原则，包括与终点指标的关联性、中心因素、分层因素等，并强调协变量数量应尽可能少。针对不同类型终点变量（连续型、时间-事件型、二分类），介绍了相应的统计模型（线性模型、Cox模型、logistic回归）。在结果解读方面，建议将校正协变量分析设为主要方法，并探讨了基线数据不均衡、模型假定不成立等问题的处理策略。最后指出交互作用分析需谨慎，通常不作

原创 药物临床试验随机分配指导原则（试行）

本文系统介绍了临床试验中的随机分配方法及其应用要点。主要内容包括：1) 定义了随机分配、不可预测性、机会均等等14个核心概念；2) 详细分析了简单随机、区组随机、分层随机和适应性随机四种方法的优缺点及适用场景；3) 强调了随机分配方法选择、中央随机实施和统计分析模型匹配的重要性；4) 解答了随机分配目的、碎片区组影响和非盲试验盲态保持等常见问题。文章指出，随机分配应与盲法结合，确保组间基线均衡和分配不可预测性，同时需注意不同方法可能带来的统计偏倚风险。

原创 药物临床试验盲法指导原则（试行）

本文系统介绍了临床试验中的盲法设计与实施要点。首先明确了17个关键术语的定义，包括受试者方、研究者方、双盲/单盲试验等核心概念。其次详细阐述了三种盲法分类（双盲、单盲、开放试验）的适用场景及优先级，强调双盲设计为首选。然后重点说明了设盲措施，包括治疗模拟、药物编码、盲态保持等具体操作方法。最后通过问答形式解答了临床试验设盲的目的、方法选择、盲态保持时间及意外破盲处理等实际问题。全文为临床试验盲法设计提供了全面的实施框架和操作指南。

原创 生物学统计学指导原则索引

原创 SAS-proc sgplot绘图

SAS proc sgplot绘图，最详细的教程。

原创 医学统计学思维导图

思维导图参考以下书籍绘制：医学统计，第4版，李晓松；医学统计学，第4版，孙振球 徐勇勇；卫生统计学，第7版，方积乾

原创 临床试验中缺失数据的问题讨论

数据缺失是反映随机对照临床试验质量的一个重要方面。

原创 临床试验中样本量估算的若干问题

脱落：是指临床试验的受试者由于任何原因不能继续按研究方案进行到所要求的最后一次随访。（ICH E9）根据定义，只要没有按照试验要求完成所有访视即为脱落，计算脱落率是基于试验总结页“是否完成试验”选“否”的受试者。

原创 药物代谢动力学学习笔记

定量研究药物在生物体内吸收（Absorption）、分布（Distribution）、排泄（Metabolism）和代谢（Excretion）。

转载 新药III期临床试验设计路径

Who：通过III期临床试验证明，为药物申报注册提供充分的依据，同时还为药品说明书和医生处方提供充分的数据。Why：III期临床试验可以通过足够多的受试样本量，进一步确证II期临床关于新药的疗效、长期安全性和受益/风险比，为新药最终获批上市提供确切的证据。III期临床试验一般是具有足够受试者样本量的随机盲法对照试验。III期临床试验也可以进行量-效关系的研究，同时也可以根据药物特点、目标患者的具体情况，进行药物相互作用等的研究。

转载 新药II期临床试验设计路径

II期临床试验一般是新药首次应用于目标患者，以观察新药的初步有效性、安全性数据。由于III期临床试验一般为大规模确证性试验，其常常为多中心、大样本、长周期的临床试验，是FDA评价、批准新药最关键的证据，而作为先头部队的II期临床试验对III期具有重大意义。合理科学的II期临床试验设计，不仅能够在早期辨析新药进一步开发的价值，同时还能够为III期临床试验推荐合理的临床定位、拟用于治疗适应症、适宜的纳入疾病人群的选择、主要疗效指标、安全性指标、给药剂量、给药方法、疗程等。

转载 新药I期临床试验设计路径

Who：首次人体试验，健康受试者（通常）Why：给药剂量增加而出现副作用，探索药物最大耐受剂量(Maximal Tolerable Dose，MTD)、剂量限制性毒性(Dose-Limiting Toxicity，DLT)What：安全性和PKHow：通常依次进行耐受性单剂量试验、药动学单剂量试验、多剂量耐受性和药动学试验。对于采用患者进行的I期临床试验，人体耐受性试验和药动学试验可同步进行。：I期临床试验常采用开放、自身对照试验。

原创 CMH检验

CMH检验（Cochran-Mantel-Haenszel Test），分层卡方检验，考虑中心效应，分析干预对结果的影响。如果存在中心效应，即干预结果与中心相关，那么简单的将中心数据合并做卡方分析并不合理。需要采用Breslow-test检验或Woolf -test检验中心效应的一致性，采用CMH检验来分析考虑了中心因素的影响后干预和结局的相关性（排除了影响因素后卡方检验的显著性）。分层因素还包括年龄、性别等其他混杂因素。

原创 临床试验设计-平行设计、析因设计、交叉设计

平行设计、析因设计、交叉设计是临床试验中最重要的三种设计方法。平行设计：最常见交叉设计：生物等效性试验析因设计：药物配伍。

原创 临床试验三原则-对照、重复、随机

临床试验必须遵循三个基本原则：对照、重复、随机。

原创 SAS-proc transpose转置

by：纵向变量，不转置，保留的变量，by使用需要先排序。id：需要转置的变量。var：新数据集中的数据。idlabel：转置变量的标签。copy：不转置的变量直接拷贝到输出数据集中。

原创 SAS-数据集SQL水平合并

sql的合并有两步，step1：进行笛卡尔乘积运算，第一个表的每一行合并第二个表的每一行，即表a有3行，表b有3行，则合并后3*3=9行。笛卡尔过程包含源数据的所有列，相同列名会合并。Step2：根据需要在第一步的基础上进行数据的筛选。分类包括：内合并（inner join）外合并（outer join）：左连接（left join）、右连接（right join）、全连接（full join）

原创 SAS-数据集SQL垂直（纵向）合并

一个selectt对应一个表，select之间用set-operator连接，set-operator包括：except（期望）、intersect（相交）、union（合并），outer union（外部合并）。：行选择仅包含在table1，列选择基于select语句的位置的覆盖（唯一行）：行选择table1和table2交集，列选择基于select语句的位置的覆盖（唯一行）：行选择table1和table2合并，相同变量合并，列选择基于select语句的位置的覆盖（唯一行）

原创 SAS-input和put的使用

在SAS中经常会遇到数值型变量与字符型变量之间进行相互转换，如何进行转换呢？

原创 Winnolin PK参数及BE分析

生物等效性（Bioequivalence , BE ）是指在同样试验条件下试验制剂和对照标准制剂在药物的吸收程度和速度的统计学差异。

原创 Winnolin 绘制药时曲线图C-T

药时曲线（C-T）：横坐标时间Time(h)，纵坐标血药浓度Concentration(ng/mL)。

原创 SAS-数据集添加序号

SAS数据集添加序号

原创 Fisher确切概率基本原理详解

比较两组有效率是否有差异。

原创 卡方检验的基本原理详解

比较试验组和对照组的有效率是否有差异？即试验组85.29%的有效率与对照组66.33%之间是否有统计学差异？（目的）两样本率的比较，用chi-square检验两样本总体率是否有差异。（方法）

原创 SAS 导入导出excel文件

文件–导入数据–选择导入的数据类型（Excel）–选择文件对应的路径–选择sheet名–数据集命名—完成（Finish）

原创 两独立样本率的非劣效性试验-样本量计算

两独立样本率的非劣效性检验的主要研究目的是显示试验药的疗效不比对照药差。

原创 两独立样本率的优效性试验-样本量计算

两独立样本率的有效性检验的主要研究目的是显示试验药的疗效犹豫阳性对照药。Alternative Hypothesis备择假设H1：D1D0 上单侧检验（越高越好）实际上比较，有效性差值是否大于或小于实际差值。

原创 SAS @和@@的区别

和@@都是行停留指示符，区别在于停留多久@：使SAS停留到下一个input语句，不换行@@ ：停留到下一个data步，停留时间更长。

原创 SAS 字符串函数-SCAN

SAS SCAN函数说明

原创 SAS-查找数据集中第一个值first和最后一个值last

查找A列中相同受试者的在B列中的第一个值或最后一个值的方法，采用first、last函数。

原创 重复测量资料纵向研究的数据分析-1

重复测量的纵向研究的数据分析-1单变量组内设计在纵向研究中，如果对同一个体的测量次数超过两次，情况会变得比较复杂。配对t检验就不再适用。先来理解什么是“单变量组内设计（One-within design）”，只有一个结果变量，且在同一组个体中进行多次测量。研究组内结果变量随时间的变化情况。一、分析方法1.多元方差分析（多变量分析）多元方差分析（Multivariate analysis of variance，MANOVA），又称重复测量资料的广义线性模型（Generalized linear

原创 SAS-卡方检验

卡方检验：1、独立样本卡方检验：独立样本卡方检验expected：输出理论频率（期望频率）exact：计算精确概率数据集如下：检验结果如下：2、配对样本卡方检验：大样本配对卡方检验数据集如下：检验结果如下：3、配对卡方检验（小样本）：配对四个表卡方检验（小样本）SAS中McNemar检验不考虑校正问题，当b+c<40时，需对校正。需要自己写公式计算。数据集如下：代码data chitest1;do r = 1 to 2;do c = 1 to 2;

原创 SAS安装错误

SAS安装：SAS安装分为两个阶段，系统要求、安装。第1阶段（Stage1）：系统要求（System Requirement）需确保安装Microsoft Office Access Database Engine；Microsoft Runtime Components Service Pack1。可去微软官方下载。https://www.microsoft.com/en-us/download/details.aspx?id=54920第2阶段（Stage2）：安装（Installation

原创 SAS-配对设计资料秩和检验

配对设计的情况：（1）同对的受试者分别给予两种处理，如同窝别、体重相近的两只动物配对；（2）同一受试对象处理前后的比较。配对设计资料一般采用配对t检验，但若配对资料的差值不满足正态分布，则采用非参数的方法进行检验。在H0成立时，如果样本比较多，正差值和负差值的秩和理论上应相等，即使有差别也是因随机因素造成的。换言之，如果H0成立，随机样本出现正差值和负差值的秩和悬殊较大的可能性比较小，如果悬殊比较大，则我们有理由拒绝H0，接受H1，则认为处理效应不同。

原创 SAS-运算符

执行操作的符号，运算符。执行的结果可以是一个数值，一个字符，也可以是布尔值（真1假0）。算术运算符的结果通常为数值，比较和逻辑运算符的结果为逻辑值（真为1，假为0）。：告诉SAS对什么对象执行什么操作，从而得到一个结果的命令。2） 不同组有不同的优先级。组1>组2>组3>组4>组5。：被操作的对象，可以是常量、变量，也可以是表达式。取小运算符（>

原创 SAS名-语法规则

SAS名-语法规则SAS名是指SAS给其一些语言元素（逻辑库、数据集、变量以及格式等）的名称标记。分为两大类。一、SAS系统定义名（1）特殊的数据集名：NULL：不创建数据集DATE：自动数据集名LAST：最后一个活动数据集（2）SAS DATA步自动变量名：N：观测号ERROR：错误标识变量（3）特殊的变量列表名：CHARACTER：所有字符型变量_NUMERIC：所有数字型变量ALL：所有变量（4）SYS开头的宏变量名：SYSDATE：日期SYSVER：SAS版本二、用

原创 SAS基础-日期时间本质

SAS日期时间格式在SAS里，日期实际存储的是距离1960年1月1日的天数，时间实际存储的是距离凌晨的秒数。data tmp;date='01Jan1960’d;time='00:00:00’t;datetime='01Jan1960 00:00:00’dt;run;