组序贯试验中中间分析的最优调度
统计方法学
2025-09-09 v1 应用统计
摘要
组序贯设计（GSDs）是确证性临床试验中应用最广泛的自适应设计，已得到广泛认可。然而，其利用率仍然偏低，且实施过程涉及独特的理论和实践决策，需要仔细考量以优化效率。一种常见做法是根据日历时间或累积数据量以等间隔安排中间分析。虽然这种方法简单直接，但它并未充分利用组序贯设计所能实现的潜在样本量节省。为应对这一挑战，我们开发了 OptimInterim，这是一个基于 R 的工具，能够在控制总体 I 型错误和 II 型错误的前提下，确定最优的中间分析调度方案以最小化备择假设下的期望样本量。我们的方法适用于连续型或二分类终点，支持多次中间分析，并兼容多种终止边界。通过大量模拟实验，我们证明，与等间隔中间分析相比，最优间隔的中间分析可在不牺牲最大样本量的前提下，在各种终点类型、效应量、错误率和终止规则下显著降低期望样本量。我们通过两个评估脓毒症休克患者类固醇使用的里程碑试验来说明其实际效用。值得注意的是，在给定的 I 型和 II 型错误率下，最优调度方案与终点类型和效应量无关，确保了其在广泛试验场景中的适用性。为便于实施，我们提供了在常用错误率和终止规则下最多八次中间分析的最优调度参考表。可通过 https://github.com/zhangyi-he/GSD_OptimInterim 访问 OptimInterim。
引用
@article{arxiv.2509.05537,
title = {Optimal scheduling of interim analyses in group sequential trials},
author = {Zhangyi He and Suzie Cro and Laurent Billot},
journal= {arXiv preprint arXiv:2509.05537},
year = {2025}
}