临床试验中基于主要结果的次要结果的条件推断

在临床试验中，针对特定选择性过程所做的推断往往是条件化的。例如，只有当治疗对主要结果显示显著效果后，才会进一步分析其在所选次要结果上的疗效。类似地，推断也可能取决于试验是否在 interim 阶段提前终止。虽然传统方法主要旨在通过多重检验调整来控制家族wise错误率，但并不一定确保选择性过程下的推断结果具有所需的统计特性。例如，即使在多重检验后，常规置信区间在选择性过程下的条件覆盖水平也可能与名义水平之间存在很大差异。本文我们认为，选择性过程下的推断有效性在许多应用中都很重要。此外，我们提出构建具有正确条件覆盖概率的置信区间的方法，以考虑相关的选择性过程。具体而言，我们的方法涉及构造一个置换诱导出的截断正态分布累积分布函数的枢轴量。理论依据和全面的模拟结果表明，该方法在真实情景下有效。我们还将该方法应用于分析SPRINT数据，得到比原始出版物更保守但在条件下有效的平均处理效应置信区间。