Learn-As-you-GO（LAGO）试验：优化试验有效性与检验力，以防止失败的试验
统计方法学
2025-09-16 v1
摘要
Learn-As-you-GO（LAGO）设计提供了一种严格的框架，用于在试验进行期间基于累积数据调整干预方案。本文通过纳入统计检验力作为优化准则（检验力目标）来提高LAGO设计的灵活性。我们提出了无条件和条件检验力方法，以添加检验力目标。这两种方法利用来自先前阶段的数据估计试验结束时的检验力，并在原始试验在检验力不足时提高试验结束时的检验力。包含检验力目标可在试验结束时保持估计量处理效应的渐近属性，同时保持统计检验的渐近水平。我们通过对BetterBirth研究的回顾性应用说明了我们方法的优势，该研究是一项大规模的母婴护理研究，未能显示其主要结果的显著效应。这一分析表明，我们的方法可能导致更密集的干预措施并产生显著结果。带有检验力目标的LAGO设计为研究者提供了一种强大的工具，以减少因检验力不足而导致试验失败的风险。
关键词
引用
@article{arxiv.2509.11479,
title = {Learn-As-you-GO (LAGO) Trials: Optimizing Trials for Effectiveness and Power to Prevent Failed Trials},
author = {Ante Bing and Donna Spiegelman and Judith J. Lok},
journal= {arXiv preprint arXiv:2509.11479},
year = {2025}
}