针对小样本量下时间-事件终点MCP-Mod方法的改进推断
统计方法学
2023-06-16 v2
摘要
多重比较程序与建模技术(MCP-Mod)框架近期已被美国食品药品监督管理局和欧洲药品管理局批准为适用于II期研究的合适方法。然而,该方法依赖于极大似然(ML)估计量的渐近性质,对于小样本量这可能并不合理。在本文中,我们基于纠正与预防方法,在删失Weibull回归模型中推导了改进的ML估计量及其协方差矩阵的修正。我们进行了两项模拟研究,以在(i)回归框架与(ii)多重比较程序与建模技术框架下评估ML与改进ML估计量及其协方差矩阵。我们已经证明,改进ML估计量比ML估计量的偏差更小,由此产生的Wald型统计量在两个框架中均能控制I类错误且不损失功效。因此,我们建议在MCP-Mod方法中使用改进ML估计量,以在每剂量5至25名受试者的样本量下将I类错误控制在名义水平。
引用
@article{arxiv.2301.00325,
title = {Improved inference for MCP-Mod approach for time-to-event endpoints with small sample sizes},
author = {Márcio A. Diniz and Diego I. Gallardo and Tiago M. Magalhães},
journal= {arXiv preprint arXiv:2301.00325},
year = {2023}
}
备注
Pharmaceutical Statistics. 2023 Apr 29