医学研究中多重比较的另一种调整方法

背景：大多数多重比较调整方法主要关注控制类型 I 错误，很少考虑类型 II 错误。我们提出一种新方法，在控制假阳性发现的同时确保充足的统计功效。方法：我们提出一种称为Beta-指数调整 (BEA) 的新型多重校正方法，考虑统计功效以控制类型 I 错误，同时考虑类型 II 错误的概率。我们进行了模拟研究，评估多重检验校正程序的性能特征。分别计算不同样本量和生物标志物数量下的灵敏度、特异度和功效，并与Bonferroni、Holm 和 Benjamini-Hochberg (BH) 校正方法进行比较。结果：结果表明，我们提出的BEA校正方法在不同样本量和生物标志物数量下均表现出最高灵敏度（例如，在样本量为1000、检测生物标志物为1000个、阳性率为30%的情况下，灵敏度：BEA 0.8 vs BH 0.62）。在不同样本量和生物标志物数量下，BEA校正方法的特异度与传统方法相当。此外，我们观察到在结果相对罕见时，经BEA校正的方法比其他方法具有更高的统计功效。结论：我们提出的BEA多重校正方法在考虑统计功效的同时进行多重比较校正。与传统校正方法相比，BEA方法在不同条件下表现出更高的灵敏度、相当的特异度和更高的统计功效。BEA校正方法可作为传统多重比较调整方法的替代方案，特别适用于样本量小、结果罕见或生物标志物数量大的研究。