8、样本量重新估计方法：盲法与非盲法的比较与应用

样本量重新估计方法：盲法与非盲法的比较与应用

在临床试验中，样本量的准确估计对于研究的有效性和可靠性至关重要。然而，由于各种不确定性因素，如对变异性的不准确假设或背景事件率的估计偏差，可能需要在试验过程中重新估计样本量。本文将介绍两种主要的样本量重新估计方法：盲法样本量重新估计（Blinded SSR）和非盲法样本量重新估计（Unblinded SSR），并详细探讨它们的特点、应用场景和相关方法。

1. 盲法样本量重新估计（Blinded SSR）

盲法 SSR 不需要了解每个患者的治疗分配信息，主要用于因连续终点变异性假设不准确或二元终点对照臂背景事件率假设不准确而调整样本量。这种方法具有以下优点：
- 不涉及治疗揭盲，可避免引入偏差，被 FDA 指南归类为“易于理解”的自适应特征。
- 实施相对简单，无需担心中期结果意外泄露导致试验完整性受损，也不需要独立的数据监测委员会（DMC）。

然而，盲法 SSR 也有局限性。大多数盲法 SSR 方法隐含地依赖于最初假设的治疗效果值。如果实际治疗效果大于计划值，可能会错误地推断方差大于预期，从而不必要地增加样本量；反之，如果治疗效果小于预期，样本量增加可能不足，导致试验效力不足。

1.1 正态终点的盲法 SSR 方法

• 单样本方差法 ：该方法通过忽略两个治疗组（活性组和对照组）的不同治疗分配，计算总体变异性估计值。对于两个正态样本，其共同方差（干扰参数）可以通过以下公式估计：
  [
  \hat{\sigma}^2 = \frac{1}{2n_{int}}\sum_{i = 1}^{2n_{int}}(y_i