全样本分析（Fullanalysisset）计划治疗原则（intention-to-treat）是指主要分析应当包括所有进入随机化的遵循这一原则需要对所有随机受试者完...
1分析对象的数据集
1．1全样本分析（Fullanalysisset）
计划治疗原则（intention-to-treat）是指主要分析应当包括所有进入随机化的遵循这一原则需要对所有随机受试者完成随访得到试验结果。由于各种理由，这在实际上是难以达到的，因此，全样本分析是尽可能接近于包括所有随机受试者，在分析中保留最初的随机化对于防止偏差和提供安全的统计检验基础很重要。在许多场合，它提供的对治疗效果的估算很可能反映了以后的实际观察结果。从分析中剔除已随机受试者的情况不多：包括不符合重要入选标准，一次也没有用药，随机化后没有任何数据。从分析中剔除不符合入选条件受试者必须不致引起偏差：入选标准的测定是在随机化之后；违反合格标准的检测是完全客观的；所有受试者都受到同样的合格性调查；各组实行同样的入选标准，凡违反者均被排除。
1．2遵循研究设计对象（PerProtocolSet）
1．3不同的分析（受试者）组的作用
在验证性试验中，通常进行全样本和"有效受试者"两种分析。这样可以对两者之间的任何差别进行明白的讨论和解释。有时候可能需要计划进一步探究结论对于选择分析受试者组的敏感程度。两种分析得到基本一致的结论时，治疗结果的可信度增加。但是要记住，需要quot;有效受试者"中排除相当数量受试者会对试验的总有效性留下疑点。在优越性（Superioritytrial，证明新药比标准对照药物优越）试验、等效性试验或不差于（non－inferioritytrial，确证新产品与对照药物相当）试验中，这两种分析有不同的作用。在优越性试验中，全样本分析用于主要的分析可以避免"有效受试者"分析对疗效的过于乐观的估算；全样本分析所包括的不依从受试者一般会缩小所估算的治疗作用。但是，在等效性或不差于试验中使用全样本分析通常是不谨慎的，对其意义应当非常仔细考虑。
2缺失值和线外值（包括异常值）
3数据的类型、显著性检验和可信限
在临床试验中，对每个受试者可收集3种数据：所接受的治疗、对治疗的反应（Re-sponse）和进入试验时影响预后因子的基线值。接受同样治疗的受试者构成统计分疗组。对治疗的反应基本上有3类。
①定性反应。根据预定的评价标准将受试者分为若干类别，如高血压治疗的"有效"。"无效"；淋巴细胞瘤化疗的"完全缓解"、"部分缓解"、"无变化"。
②定量反应。当存在一种可靠测定方法时，受试者的治疗结果最好采用实际数值，如舒张压。但最好同时记录其基线值，以便评价治疗前后的变化量值。
3．1数据的描述性统计
在开始分析之前，有必要先看一下各组受试者的每个变量观察值的分布频度，以对变量有一个感性了解；从最大值和最小值也可以发现可能的错误和超范围的值；决定某些变量是否需要作某种转换；或按某种特定分布作统计分析。
①定性数据需要记录各治疗组的受试者总数和在每个反应类别的受试者数，然后转化为比率或百分率或直方图、圆图等表示。采用c2检验、Fisher精确检验比较所观察到的组间率的差异的程度。
②定量数据计算每个治疗组的平均反应（均数、几何均数）和变化程度（标准差）。以均值、标准差、直方图、累积频数分布图表示。在受试者数较小时，可以用图表显示每个受试者的确切反应。组间比较采用t检验、F检验等。当样本值频数图呈偏态分布时，用均值描述定量反应不合适，可采用中位数、四分位数来描述数据的定量水平。组间比较可采用非参数方法。
3．2显著性检验
3．3可信限的估算
显著性检验只告诉我们一个治疗比另一个好的证据的强度，并没有告诉我们好多少。因此，显著性检验并不是分析的终结，还应运用统计估算方法，如可信限估算治疗改善的量。计算可信限时，应注意被分析变量的统计分布；标准误和可信限的计算方法应该写明。记住必须提供治疗效应大小的统计估算、显著性水平和可信区间。100（1－α）％可信区间，正态分布估算值可表示为{估算值+Nα/2×SE}，估算值+（N1-α/2×SE）}；差值如呈t分布时，可表示为{x1-x2-（t1-α/2×SEdiff），x1-x2+（t1-α/2×SEdiff）}等。
3.4对象的基线水平的组间比较
对治疗组的疗效评价只有当各组受试者的基线特征具有可比性时才是有效的。通常，随机化可以提供充分的可比性。但是，随机化并不能绝对保证可比性。有时候组间的基线水平可能会有差异。这种差异对治疗比较的影响应当采用其他程序消除。
3．5调节显著性和可信限水平
3．6亚组、相互作用和协变量
3．7评价安全性和耐受性
3．7．1评价范围
一个药物的有用性总是在风险和效益之间的平衡。在所有临床试验中，安全性和耐受性评价是重要内容之一。在临床研究早期阶段，这类评价带有探索性，仅注意毒性的表达方式；在较后阶段，则是在大样本对象中更全面地确定药物的安全性和耐受性特征。后期的对照临床试验是以一种无偏倚方式揭示任何新的不良反应的重要手段，尽管此类试验的把握度有限。
3．7．2变量选择和数据收集
3．7．3评价的受试者和数据报告
通常一个特定不良事件的发生率表示为经历该事件受试者数相对于处于危险的受试者数的率。但是，根据需要，被暴露的受试者数或暴露程度（用人-年表示）可以作为分母。不管其目的是为了估算危险度还是在治疗组间进行比较，应该在方案中明确定义，这在计划长期治疗并预期会有相当比例的治疗中止或死亡时特别重要。在这种情况下，应当考虑采用生存分析（SurvivalAnalysis），计算不良事件累积率以避免低估危当存在明显的症状或综合征基线噪声时，估算不良事件危险度的一个办法是采用"治疗引发"（treatmentemergent）概念，只记录与治疗前基线相比时原先没有的不良事件或症状变重的不良事件。减少基线噪声的其他办法还有：不计轻度的不良事件，一个事件在重复随访中观察到才计算。不论采用何种方法，都须在方案中说明理由。
3．7．4安全性的统计评价
在大多数临床试验中，安全性和耐受性结论的陈述多采用描述性统计方法，辅以有助于解释的可信区间计算。用图可表示治疗组内不良事件的类型。计算P值有时也是有用的：可以评价一个事件的差异，或是在大量安全性和耐受性变量中突出值得进一步注意的差别。计算P值对于总结实验室数据特别有用。实验室数据可进行两种分析：评价均值的定量分析和计算高于或低于某一个阈值的数目定性分析。
不感兴趣
看过了
取消
人点赞
人收藏
打赏
我有话说
0/500
同步到新浪微博
进群即领
扫码加入
扫码进群
您的申请提交成功
意见反馈
下载APP
健康界APP
了解更多
返回顶部
您已认证成功，可享专属会员优惠，买1年送3个月！开通会员，资料、课程、直播、报告等海量内容免费看！