9、基于信息的设计与样本量重估计方法解析

基于信息的设计与样本量重估计方法解析

1. 基于信息的设计概述

传统的样本量计算会考虑治疗效果的大小和干扰参数的值。然而，如果对干扰参数的初始估计不准确，可能会对检测临床显著差异的统计功效产生不利影响。基于信息的设计是解决干扰参数不确定性的一种方法。

该设计和分析基于可用的统计信息，研究持续进行直到达到所需的统计信息。这里的设计和分析基于统计信息或精度尺度，而非样本量尺度。

统计信息与参数估计量的标准误差成反比，即信息越多，精度越高，标准误差越小。在多阶段设计中，最大可用信息为 (I_{max}=I\times\gamma)，其中 (\gamma) 是膨胀因子，它是阶段数 (K)、误差消耗边界形式、I 型和 II 型错误的函数。

不同类型的端点，统计信息的影响因素不同：
|端点类型|统计信息影响因素|
| ---- | ---- |
|连续端点|样本量和干扰参数的大小|
|二元端点|安慰剂反应的大小|
|时间 - 事件（生存）端点|入组率、事件发生率、随访时间和失访率等|
|纵向研究|每个受试者观察的时间点数|

2. 基于信息设计的示例

以一个假设的双臂试验为例，比较新治疗方法与标准治疗的疗效。控制组的最佳反应率猜测为 0.15，为了检测 0.15 的有意义差异，在单侧 (\alpha = 0.025) 的经典设计下，90% 的功效需要 316 名受试者，所需信息约为 468。

示例代码 3.5 为固定样本量的基于信息的设计：

proc seqdesign alt