[论文解读] Some Notes on Blinded Sample Size Re-Estimation

Ekkehard Glimm, Jürgen Läuter|arXiv (Cornell University)|Jan 17, 2013

Statistical Methods in Clinical Trials参考文献 12被引用 3

一句话总结

本文表明，在小样本优效性试验中，盲法样本量重新估计（SSR）方法，尤其是Kieser和Friede的方法，可能导致第一类错误膨胀，且在非劣效性检验中膨胀程度显著更高。作者指出，该方法依赖原假设下的方差估计，无法在某些临界情况下控制第一类错误率，尤其是在样本量较小时，解释了为何该问题此前在文献中被忽视。

ABSTRACT

This note investigates a number of scenarios in which unadjusted testing following a blinded sample size re-estimation leads to type I error violations. For superiority testing, this occurs in certain small-sample borderline cases. We discuss a number of alternative approaches that keep the type I error rate. The paper also gives a reason why the type I error inflation in the superiority context might have been missed in previous publications and investigates why it is more marked in case of non-inferiority testing.

研究动机与目标

• 调查盲法样本量重新估计在临床试验中导致第一类错误率违反的情形。
• 解释为何在小样本临界情况下，优效性检验中的第一类错误膨胀虽小但不可忽视。
• 分析为何非劣效性检验中的第一类错误膨胀比优效性检验更严重。
• 阐明为何以往研究可能遗漏此问题，尤其是因依赖模拟证据而缺乏正式证明。
• 评估在确证性临床试验中使用盲法SSR的影响，特别是在非劣效性情境下。

提出的方法

• 采用单样本t检验框架来建模盲法SSR，重点分析在n₁ = 2个观测值后基于总体方差的样本量调整。
• 在三维空间中应用几何概率论证，计算原假设H₀下的拒绝域和第一类错误率。
• 将完整程序的拒绝域（n=2或n=3）与球锥体（n=3）和圆柱线段（n=2）的并集进行比较，并减去其交集。
• 利用非非中心卡方近似推导平方和的检验统计量在H₀下的分布。
• 通过引入偏移δ对原始数据进行变换，分析非劣效性情形，表明其等价于非盲优效性检验。
• 证明在非劣效性检验中，样本量重新估计规则依赖于观察到的均值差，即使在盲法下也会引入偏差。

实验结果

研究问题

• RQ1 在何种条件下，使用Kieser和Friede方法的盲法样本量重新估计会导致优效性试验中的第一类错误率膨胀？
• RQ2 尽管有模拟证据，为何此前文献中未察觉优效性检验中的第一类错误膨胀？
• RQ3 为何非劣效性检验中的第一类错误膨胀比优效性检验更严重？
• RQ4 在非劣效性试验中，样本量重新估计对观察到的均值差的依赖性如何影响第一类错误控制？
• RQ5 诸如基于数据的阶段统计量加权等替代方法能否在盲法SSR中实现有效的第一类错误控制？

主要发现

• 使用Kieser和Friede方法的盲法样本量重新估计在小样本优效性试验中会导致第一类错误率膨胀，尤其在n₁ = 2且方差估计偏低时。
• 第一类错误膨胀程度极小，并随样本量增加而渐近趋于零，但在有限样本中仍保持非零。
• 膨胀的原因在于n=2和n=3情形拒绝域之间的几何重叠，导致在H₀下第一类错误的分布不均匀。
• 在非劣效性检验中，该方法等价于非盲优效性检验，因为样本量重新估计规则依赖于观察到的均值差，导致严重的第一类错误膨胀。
• 当样本量为数据相关时，检验统计量在H₀下的分布并非标准t分布，因此标准临界值不再有效。
• 尽管渐近第一类错误控制成立，但在有限样本中第一类错误违反在实际情境中不可忽视，尤其在非劣效性试验中，因此盲法SSR不适用于确证性试验。