抗感染領域臨床研究統計學相關問題主要內容樣本量統計分析數據集抗感染領域臨床研究的特殊之處樣本量樣本量意義用合理的資源發現有意義的臨床差別在希望的把握程度上獲得有意義的結論樣本量確定條件試驗設計方法主要指標假設檢驗（單側、雙側）確定計算用參數（變異，臨床有意義的參數）I類錯誤（α）、II類錯誤（β）根據公式/采用軟件計算（PASS、STATA等）考慮脫落率等因素的影響樣本量確定條件試驗設計方法主要指標假設檢驗（單側、雙側）確定計算用參數（變異，臨床有意義的參數）I類錯誤（α）、II類錯誤（β）根據公式/采用軟件計算（PASS、STATA等）考慮脫落率等因素的影響臨床研究假設轉換為統計學假設

臨床研究問題臨床假設

統計學假設數據分析驗證

例如：

抗感染領域有效藥物的研發

研發藥物是否安全有效試驗藥比對照藥好

臨床假設

試驗藥比對照藥差，但在可允許范圍

試驗藥和對照藥相當

統計學假設優效性(superiority)檢驗非劣效性(non-inferiority)檢驗

等效性(equivalence)檢驗

I類錯誤

I類錯誤（α），假陽性錯誤

注冊試驗：管理部門所能允許的批準該藥上市后由該藥無效所導致的該部門所承受的最大風險；

臨床研究：有意義的陽性結論實際是假陽性的風險

常用標準，如SFDA0.025；臨床研究為0.05

多個指標檢驗、多個分組比較、多次分析（期中分析）等會帶來α的增加，需通過有效方法進行控制和校正，保證對總的風險的控制。

探索性研究，如II期臨床試驗，一般不考慮校正。II類錯誤

II類錯誤（β），假陰性錯誤

注冊試驗：實際有效的藥物不能被證明和批準上市的風險，由研發者和申辦方承擔；

臨床研究：有意義的臨床結論不能被發現的風險；

一般不超過20%（80%的把握度），探索性研究一般不做高標準要求。

優效性檢驗和非劣效性檢驗

均為單側檢驗，常取單側0.025

把握度取80%，90%等

非劣效界值的確定

由研究者和統計學家共同討論，最終由研究者確定

兩步法：

先確定根據陽性藥和安慰劑的比較研究得出M1，再由M1得出M2第一步：M1的確定M1的確定采用綜合分析法，如采用Meta分析法計算得到主要療效指標C–P的95%雙側可信區間下限lCL（這個下限必須大于0，否則不能視其為陽性對照）。考慮到療效一致性的問題或者歷史數據的質量，一般取M1<lCL。一般取M2=f·M1。f一般取0.5。f值越接近0時，如果仍能得出非劣效的結論，說明試驗藥物的療效與陽性對照越相近。如果f取的太小會使得試驗所需樣本量大到試驗無法進行。如果沒有歷史資料可供借鑒，也可采用目標值法確定M2，此時M2一般取在陽性對照藥療效的10%~15%倍之間。陽性對照藥的療效可根據文獻報道或有目的醫學調查所得。這種調查應委托獨立調查機構執行。第二步：M2的確定可信區間方法

優效/非劣效性/等效性的統計推斷一般采用可信區間(confidenceinterval,CI)法。該方法為ICH相關指導原則所推薦。

統計分析數據集統計分析數據集

在盲態審核會確定，揭盲前完成ITT原則（IntentionToTreatprinciple）是指基于有治療意向的受試者（即計劃好的治療）而不是實際給予治療的受試者進行評價的處理策略。是可以對結果做出評定的最好原則。

其統計分析結果是無偏的。

mITT分析集：

抗菌藥物臨床試驗中細菌培養陽性的受試者構成，是ITT集的子集。統計分析數據集FAS分析集（Fullanalysisset）

盡可能接近符合意向性分析（ITT）原則的理想的受試者集。該數據集是從所有隨機化的受試者中，以最少的和合理的方法剔除受試者后得出的。

PPS分析集（PerprotocolSet)有效病例、有效樣本、可評價病例樣本，是由充分依從于試驗方案的病例子集所產生的數據集，是全分析集的一個子集。依從性包括以下一些考慮，如：所接受的治療、主要指標測量的可行性以及未對試驗方案有大的違反等。

SAS分析集（SafetyAnalysisSet）

所有服過藥，有安全性評估數據基線分析-

FAS分析集

比較組間均衡性有效性分析-

FAS、PPS分析集兩個分析集結