优效性、等效性/非劣效性试验的统计分析
Absence of evidence is NOT
evidence of absence
差异性检验复习
目的是要,证明,两种处理效果有差异
(不论及差异的方向)
无效假设 H0,?T=?C
备择假设 H1,?TC
I型错误和 II型错误
需注意的问题没有足够证据推翻无效假设 不等于 无效假设成立!
优效性、等效性 /非劣效性试验
优效性试验目的是要“证明”一种处理的效果优于另外一种处理(一般以安慰剂作对照时)
无效假设为 H0,?TC
备择假设为 H1,?T>?C
等效性试验目的是要“证明”两种处理效果在一定范围内相等该范围由临床研究者(而非统计学家 !)决定,
称为等效界值 equivalence margin。等效界值必须有临床意义。
无效假设为 H0:|?T -?C|
备择假设为 H1,|?T -?C| <?
的确定(参见书 P87)
非劣效性试验目的是要“证明”一种处理效果在一定范围内不劣于另外一种处理与等效性试验一样,该范围由临床研究者决定,称为非劣效界值。
无效假设为 H0,?C -?T
备择假设为 H1,?C -?T <?
需注意的问题没有足够证据推翻无效假设 不等于 等效!
优效性试验的统计检验
差异性检验的单侧检验
个人观点:完全可以用差异性检验的方法解决等效性试验的统计检验
两个率的等效性检验
两个均数的等效性检验
可信区间的方法( SFDA规定!)
总体率差或均数之差的 95%可信区间如果在 -?和?之间,则“证明”两种处理效果相等。
等效性试验的双单侧检验无效假设为 H01,?T>?C+?; H02,?T<?C-?
备择假设为 H1,?C-TC+?
非劣效性试验的统计检验
方法与等效性试验的相同,只不过是单侧检验
只关心是否非劣效,不关心是否优效!
可信区间的方法可信区间的下限若大于 -?即认为非劣效各种类型试验样本大小的估计
基本概念
检验水准?
把握度 1-?
率差或均数之差?
均数之差的标准差(标准误)?
还要考虑
试验类型
差异性检验的样本大小估计
结果为 2分类变量(多分类化为 2分类)时两组治疗的效果(真值)记为?1,?2,双侧检验水准为 5%时,每组样本大小为:
当检出力为 80%时,C=7.9; 90%时,C=10.5。
结果为连续变量两组治疗的效果记为?1,?2,双侧检验水准为
5%时,每组样本大小为:
优效性试验的样本大小估计与差异性检验的一致

2
21
2211 11


Cm

12
2,1
2 Cm
等效性试验的样本大小估计除上述参数外,还需要给出等效界值
对于两分类结果变量,每组所需样本含量为:
对于连续性结果变量,每组所需样本含量为:
非劣效性试验的样本大小估计与等效性试验的一样
Cn?

2
12
Cn?
2
22?