タグ付けされた質問 「clinical-trials」

次の一般的な設計を想像してください。 100人の参加者が治療グループまたは対照グループにランダムに割り当てられます 従属変数は数値であり、治療の前後に測定されます このようなデータを分析するための3つの明白なオプションは次のとおりです。 混合ANOVAの時間交互作用効果によるグループのテスト IVとして条件、共変量として事前測定値、DVとして事後測定値を使用してANCOVAを実行します。 IVとして条件、DVとして変更前後のスコアでt検定を実行します 質問： そのようなデータを分析する最良の方法は何ですか？ あるアプローチを別のアプローチよりも好む理由はありますか？

53 anova  ancova  clinical-trials  change-scores 

例で問題を説明します。いくつかの属性（年齢、性別、国、地域、都市）を与えられた個人の収入を予測するとします。あなたはそのようなトレーニングデータセットを持っています train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID Age Gender Income 1 1 1 1 23 M 31 2 1 1 1 48 F 42 3 1 1 2 62 M 71 4 …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

私の問題：主要な結果の非常に右斜めの分布を持つ並行グループ無作為化試験。正規性を前提とせず、正規ベースの95％CIを使用します（1.96 X SEを使用） 中心傾向の尺度を中央値として表現するのは問題ありませんが、私の質問は、2つのグループ間の中央値の差の95％CIをどのように構築するかです。 最初に思い浮かぶのは、ブートストラップです（置換でリサンプリングし、2つのグループそれぞれの中央値を決定し、一方を他方から減算し、1000回繰り返し、バイアス補正済み95％CIを使用します）。これは正しいアプローチですか？他の提案はありますか？

27 confidence-interval  bootstrap  median  clinical-trials 

中間解析は、おそらく初期の研究を終了する前に1つの以上の時点でのデータの分析を意図して研究の公式近い、例えば、あります。 Piantadosi、S.（臨床試験-方法論的観点）によると：「治験が早期に終了した場合、治療効果の推定値は偏ります。決定が早ければ早いほど、偏りが大きくなります。」 この主張を説明してもらえますか。精度が影響を受けることは簡単に理解できますが、バイアスに関する主張は私には明らかではありません...

24 clinical-trials  bias 

50歳以上の患者が誕生年までに擬似ランダム化された研究に出会いました。誕生年が偶数の場合、通常のケア、奇数の場合、介入。 実装が簡単で、転覆するのが難しく（患者が受けるべき治療を簡単に確認できます）、覚えやすい（割り当ては数年間続いた）。それでも、私はそれが好きではありません。適切なランダム化の方が良かったと感じています。しかし、その理由は説明できません。 私はそれを感じるのは間違っていますか、または「本当の」ランダム化を好む正当な理由がありますか？

23 experiment-design  clinical-trials  random-allocation 

この質問のコンテキストは、健康の枠組み内、つまり、状態の治療における1つまたは複数の治療法を見ることです。尊敬されている研究者でさえ、用語「有効性」と「有効性」を混同しているようです。 混乱を取り除くのに役立つ方法で、有効性と有効性をどのように考えることができますか？ 両方のタイプの結果を決定するのに、どのタイプの研究デザインが最も適切でしょうか？ 信頼できる雑誌の出版物、書籍、またはウェブ辞書はありますか？

14 epidemiology  causality  clinical-trials  definition  instrumental-variables 

閉まっている。この質問はトピック外です。現在、回答を受け付けていません。 この質問を改善したいですか？ 質問を更新して、相互検証のトピックになるようにします。 2年前に閉店。 私は修士課程の学生の期末試験のために臨床試験に関する生データを使用したいと思います。これらのデータは、試験が完了している限り（フェーズ1〜4）、あらゆる種類の分子を扱うことができます。 このような無料のデータセットをWebのどこで見つけることができるか考えていますか？ ありがとうございました。

13 dataset  teaching  clinical-trials 

グループシーケンシャルメソッドについて質問があります。 ウィキペディアによると： 2つの治療グループを使用したランダム化試験では、古典的なグループシーケンシャルテストが次の方法で使用されます。2つのグループを比較するために統計分析が実行され、対立仮説が受け入れられると、試験は終了します。それ以外の場合は、グループごとにn人の被験者がいる別の2n人の被験者に対して試験が継続されます。統計分析は、4nの被験者に対して再度実行されます。代替案が受け入れられた場合、トライアルは終了します。それ以外の場合、N個の2n被験者のセットが利用可能になるまで、定期的な評価を続けます。この時点で、最後の統計的検定が実施され、試験は中止されます しかし、この方法で累積データを繰り返しテストすることにより、タイプIのエラーレベルが増大します... サンプルが互いに独立している場合、全体のタイプIエラー、、だろうα⋆α⋆\alpha^{\star} α⋆=1−(1−α)kα⋆=1−(1−α)k\alpha^{\star} = 1 - (1 - \alpha)^k ここで、αα\alphaは各テストのレベル、は中間ルックの数です。kkk しかし、サンプルは重複しているため、独立していません。中間分析が等しい情報増分で実行されると仮定すると、次のことがわかります（スライド6） この表がどのように取得されるのか説明してもらえますか？

12 multiple-comparisons  clinical-trials  type-i-and-ii-errors 

私は、臨床試験分析の良い治療法を探している学部の統計学の学生です。テキストは、他のトピックの中でも特に、実験計画、ブロッキング、電力分析、ラテン方格計画、クラスター無作為化計画の基礎をカバーする必要があります。 数学の統計学と実際の分析について学部の知識を持っていますが、もう少し高いレベルの統計学または分析を必要とする素晴らしいテキストがある場合、私はそれに取り組むことができます。

11 references  teaching  clinical-trials 

あなたはしばしば方向性が逆の結果を結論付ける様々な研究に新聞に出くわします。それらは、新しい処方薬のテストや特定の栄養素のメリットなど、その問題に関連している可能性があります。 そのような2つの研究が矛盾する結果に達したとき、2つのうちどちらが真実に最も近いかをどのようにして知ることができますか？

11 hypothesis-testing  clinical-trials 

ツイッターで、トライアルリストのスチュアートニコルズは、最近発表された研究を次のように批判しました。 Dal-Reによる非常に興味深い論文に加えて、彼らは実用的な用語の用法に疑問を投げかけるいくつかの例を挙げています。フェーズ3、マルチサイト、二重盲検、プラセボ対照、並行群、用量漸増無作為化試験を本当に「プラグマティック」と呼ぶことができるか？ 問題の研究記事はここにリンクされています。Dal-Reの論文はこちらです。そして、彼らの推奨される「プラグマティズム」ツールはここにあります。私の感覚は治療の性質と171人の患者のNに関して、これはおそらく無力な研究であるということなので、ニコルズとは異なるかもしれません... ポイントを逃しているような気がします。、実際には、何をしている実用的な裁判？それが役に立たないという意味で実用的でない裁判はいつであり、それが確認的裁判であるという意味で実用的でない裁判はいつですか？

10 definition  clinical-trials 

多くのランダム化比較試験（RCT）論文は、グループが実際に類似していることを示すために、ランダム化の直後/前にベースラインパラメーターの有意性検定を報告しています。これは多くの場合、「ベースライン特性」テーブルの一部です。ただし、有意差検定では、観測された（またはより強い）差異が偶然に得られる確率を測定します。そして、検定が有意である場合、その程度のランダムな差はありそうもないため、真の差があると結論付けます。有意差検定は、差が偶然によるものでなければならないことがわかっている場合、無作為化後に意味がありますか？

10 statistical-significance  clinical-trials 

臨床試験-方法論の観点、スティーブンPiantadosiを書き込む（ch.13、P 334。）。 第2章では、AbelとKoch（1997）とUrbach（1993）による無作為化への反対を指摘し、それらの懸念と起こりそうなエラーを研究する価値を示しました。彼らはランダム化を 特定の統計的検定を検証すること、 因果推論の根拠、 マスキングの促進、および 比較グループのバランスを取る方法。 私によると、（1）-（4）はランダム化の利点です。では、なぜアベル、コッホ、アーバッハはこれらの議論に基づいてランダム化を拒否するのでしょうか？

10 clinical-trials  random-allocation 

Peacock（1972）による以下のケースを考えてみましょう。この一節は、若い統計学者が賢明で正しい発言をしていることを暗示しているようです。 しかし、彼ですか？

9 experiment-design  clinical-trials 

アンドリューゲルマンは、彼がジェニファーヒルと書いた本の中で、第9章（9.3）、177ページで述べています。 治療前の予測因子、またはより一般的には治療によって影響を受けないであろう予測因子（人種や年齢など）を制御することのみが適切です。この点については、セクション9.7でより具体的に説明します。 そしてそこで（9.7は「治療後の変数を制御しない」と題されています）、彼は変更前の問題を直接ではなく、媒介変数を測定する問題について議論しています。 ここで、Gelman / Hillは素晴らしいテキストだと思います。そして、私はそれを十分に理解しています。しかし、同じ問題に対するEveritt＆Picklesのアプローチが思い浮かぶので、これは私の興味をそそりました。 Everittは、変更スコア（スコアB-スコアA）を使用すると、結果が処理に有利になるように偏る傾向があると考えていますが、モデルにベースラインスコアを含めると、保守的です。彼らはこれをシミュレーションで裏付けています-それはかなり説得力があります。 ここまでの私の理解は、あなたがコントロールしているのは、ベースラインスコアのグループの違いであり、それが見かけの治療効果をそれよりも大きくするか、存在しないようにするかもしれないということです。これは、平均への回帰が機能しているため、治療効果とは関係なく、ベースラインスコアが高くなると減少が大きくなり、逆もまた同様であることを理解しています。 Everittは「変更スコア」に精力的に反対しており、Gelmanはモデルにベースラインスコアを含めることに対して助言しているようです。 ただし、Gelmanはこれを次の2〜3ページで説明し、予測子としてのテスト前のスコアを含みます。彼は、効果の不確実性のみを表す一連の治療効果ではなく、テスト前のスコアを条件とする一連のもっともらしい治療効果を得るという警告を与えます。 私の意見では、「スコアの変更」を使用しても、平均への回帰については何も行われていないようですが、ベースラインスコアを予測子として含めると、ベースライングループの差異をキャンセルして、本質的に共分散構造を導入できます。 私は医者であり、どの治療法が効果的かについて本当の決定をしなければなりません。だから私は何をすべきですか？各個人のベースラインスコアを含めるか、「変更スコア」を使用しますか？

9 clinical-trials