随机对照试验中基于协方差分析的盲态样本量重估
统计方法学
2025-08-27 v1
摘要
在随机对照试验中，与未调整的估计量相比，协变量调整可以提高统计功效并减少所需样本量。多家监管机构已发布关于协变量调整的指南，这最近引起了生物制药研究的关注。当结局为连续变量时，常使用协方差分析（ANCOVA）来调整基线协变量。为了基于ANCOVA设计样本量，必须预先设定结局与基线协变量之间以及基线协变量自身之间的关联。然而，在设计阶段确定这些参数具有挑战性。尽管可以在试验过程中自适应地评估这些参数并重估所需样本量，但现有的样本量重估方法假设结局与基线协变量的联合分布为多元正态分布，而这在实践中并非总是成立。在本研究中，我们基于最小分布假设下的渐近相对效率，为ANCOVA估计量提出了一种盲法样本量重估方法，从而适应任意的模型误设。所提出的方法能够达到名义功效并减少所需样本量，同时不会在最终分析中增加I类错误率。我们进行了模拟，以评估所提方法在各种场景下的性能，并将其应用于一项HIV临床试验的数据。我们提供了R和SAS宏代码来实现所提出的方法。
引用
@article{arxiv.2508.18815,
title = {Blinded sample size recalculation in randomized controlled trials with analysis of covariance},
author = {Takumi Kanata and Yasuhiro Hagiwara and Koji Oba},
journal= {arXiv preprint arXiv:2508.18815},
year = {2025}
}