非诊断医疗器械统计学指导.ppt

研究中心和研究者 每个中心的主要研究者必须能够将合格的病人入选到试验中来 并且必须遵从方案所建立的规程 候选的研究者也许过高地估计他们入选和处理研究病人的能力 因此建议对中心状况及其近期病人纪录进行审查 如果研究者连续违背方案，则该中心数据不能被用于申办者器械的安全性及有效性评价 第五十九页，共一百二十四页。 研究中心和研究者 参加研究的医生对他们的病人负有主要责任 必须为每一位病人提供他们认为最好的医疗保健 如果一个特殊的治疗方案违背了研究方案，则入选到试验中的该病人就变成不符合研究方案 第六十页，共一百二十四页。 研究中心和研究者 临床试验基本上是一个基于人群的实验，因此不同于常规的医疗实践 应该注意，在很多研究中，均需要对中心进行意向性治疗（Intention To Treat, ITT）分析 在这种分析中，违背方案的病人数据将被作为无效数据 可以对最终结果产生巨大的、实质性的影响 保证研究者遵从研究方案是申办者的责任 候选的研究者无论什么原因显示出来在试验的过程中有可能不能严格遵从方案时，不应该让其参加该临床试验 第六十一页，共一百二十四页。 A组 B组 C组 合计 随机入组 135 137 137 409 剔除试验 无主要疗效评价 2 8 6 16 试验期间脱落 20 16 17 53 完成试验 113 113 114 340 有效性分析集 ITT 133 129 131 393 PP 113 113 114 340 安全性分析集 135 137 137 409 病例分布情况 第六十二页，共一百二十四页。 样本量计算 第六十三页，共一百二十四页。 为什么需要计算样本量？ 很多医学杂志在发表实验报告时要求有关样本量和检验效能的详细情况 研究者、投资人和企业 - 都希望知道某个试验要花费多少钱 - 投资是值得的（得到科学、客观的结果） 审评部门要求提供样本量信息 (FDA in USA, SFDA in China, CPMP in European Union) 第六十四页，共一百二十四页。 为什么需要计算样本量？ 太少样本 - 浪费时间 - 随访延长 - 不正确的结论 (WORSE) 太多样本 - 浪费金钱和资源 - 不可行 - 早期中止试验 第六十五页，共一百二十四页。 为什么需要计算样本量？ 一个设计很好的研究应该有足够的统计效能，来检测治疗组间的差异 (治疗组 vs. 对照/安慰剂) 需要多少病人? 第六十六页，共一百二十四页。 样本量估计的五要素 陈述无效假设 H0和备择假设 H1 基于无效假设中的结果变量(连续或离散: 血压, 死亡)，选择适当的统计检验方法 (t-test, ANOVA, ?2, ) 与标准治疗/安慰剂相比，估计合理的效应大小 (? ，组间治疗差异) 设定显著性水平和统计效能 (?, ?), 及单侧或双侧检验 用公式估计样本量 第六十七页，共一百二十四页。 统计假设 临床试验的目的是在目标人群的样本中（试验人群）收集有关医疗器械安全性和有效性的数据 然后用统计分析将结论推断到与试验人群具有相同特征的目标人群 而只有将研究问题翻译成具有人群特征的数学关系表达式，才能进行统计推断 我们称这个数学关系表达式为假设 对该假设所作的检验应该为该研究问题提供明确的答案 第六十八页，共一百二十四页。 总体和样本 总体 样本 基于样本资料 的推论 对总体规律的推断 例：所有高胆固醇患者 例：在一个临床试验中150例高胆固醇患者 例：试验药物治疗降低了胆固醇 第六十九页，共一百二十四页。 假设检验回顾 效应大小 (?): 治疗组间疗效的最小差别 无效假设 (H0) :效应大小 (?) 为 0 (两个治疗疗效相等) ? = ?C - ?I = 0 ?C = ?I ? = ?C - ?I 0 ?C ?I (优效) 备择假设 (H1):效应大小 (?) 不为0 (两个治疗疗效相等)