Груповите последователни дизайни (ГПД) са клас адаптивни дизайни за клинични изпитвания. При GSD размерът на извадката не е предварително фиксиран; вместо това се провеждат предварително планирани междинни анализи, за да се позволи ранно спиране за ефикасност или безполезност. Това се прави чрез определяне на граници на спиране, които контролират семейния процент на грешка. gsdesign изчислява границите на спиране и размерите на извадките за междинни анализи с тестове на средни стойности, пропорции, функции на оцеляване и дори дефинирани от потребителя методи.

-> Пакетът gs ->Нека видим как работи

Пакетът gs

Пакетът gs предоставя две команди: gsbounds и gsdesign.

Командата gsbounds изчислява границите на ефикасност и безполезност въз основа на броя на анализите, наричани също така гледни точки, желаната обща грешка тип I и желаната мощност.

Можете да избирате от седем метода за изчисляване на границите:

• Класически O’Brien-Fleming
• Класически Pocock
• Класически Wang-Tsiatis
• Стил на Покок, при който се допускат грешки
• Изразходване на средства за грешки в стил О’Брайън-Флеминг
• Изразходване на средства за грешки Ким-ДеМетс
• Грешка-изпразване Hwang-Shih-de Cani

За да се изчислят например границите на ефикасност и безполезност на О’Брайън-Флеминг за проучване с 5 изгледа, мощност от 0,9 и грешка тип I от 0,05, тип

. gsbounds, efficacy(obfleming) futility(obfleming) nlooks(5)
  power(0.9) alpha(0.05)

Искате ли да визуализирате тези граници? Добавете опцията graphbounds към горната команда.

Командата gsdesign изчислява границите на ефикасност и безполезност и предоставя размерите на извадките при всеки поглед за различни изпитвания. gsdesign се задава с една от подкомандите, изброени по-долу, в зависимост от вида на изпитването, което трябва да се извърши за изпитването.

Нека видим как работи

Да предположим, че се интересуваме от проектирането на групово последователно изпитване на нова педиатрична ваксина COVID-19 (нашето експериментално лечение), която ще сравним с ваксина от първо поколение (нашето контролно лечение). Ще измерваме логаритмите на титрите на неутрализиращите антитела на участниците и ще сравняваме средния логаритъм в експерименталната група с този на контролната група. Можем да използваме gsdesign twomeans, за да изчислим границите на спиране и необходимите размери на извадките за такова изпитване.

Да кажем, че очакваме среден логаритмичен титър от 5,5 с известно стандартно отклонение от 2 в контролната група и среден логаритмичен титър от 6,5 с известно стандартно отклонение от 3 в експерименталната група. Ще изчислим размерите на извадките за едностранен тест на ниво 2,5 % с мощност 90 % и ще разпределим два пъти повече участници в експерименталния клон, отколкото в контролния клон.

Изчисляваме размерите на извадките за пет изгледа (четири междинни анализа и един окончателен анализ), планирани да се случат с 50 %, 65 %, 80 %, 90 % и 100 % от данните. Изчисляваме границите на ефикасност и необвързваща безполезност, като използваме апроксимацията на грешка-разход на класическите граници на O’Brien-Fleming.

Ако това проучване продължи до окончателния анализ, ще са необходими 305 участници. Очакваният размер на извадката обаче е по-малък – 179, ако нулевата хипотеза е вярна, и 213, ако алтернативната хипотеза е вярна. При еквивалентен фиксиран дизайн на изследването, при който няма възможност за ранно спиране, ще са необходими 269 участници.

Таблицата в долната част на резултата представя границите на спиране като критични z-стойности и p-стойности, както и необходимия размер на извадката при всеки анализ. Първият поглед се появява, след като са събрани данни от 51 участници в контролната част и 102 участници в експерименталната част. Ако z-статистиката е по-голяма или равна на 2,96, тогава H0 се отхвърля и изследването се прекратява. Ако z-статистиката е по-малка от 0,38, тогава H0 може да се приеме и изпитването може да се прекрати поради безполезност. Въпреки това, тъй като границата на безрезултатност не е обвързваща, дори ако z-статистиката е по-малка от 0,38, опитът може да продължи, без да се превишава семейната грешка от тип I. Ако z-статистиката при първия преглед е между 0,38 и 2,96, изпитването трябва да продължи да събира данни до втория преглед.

Процедурата на изпитване при втория, третия и четвъртия поглед е подобна на тази при първия поглед; разликата е, че границите на ефикасност и безполезност се приближават постепенно. При петия и последен преглед, който се провежда, след като са събрани данни от 102 участници в контролния клон и 203 участници в експерименталния клон, критичната стойност на ефикасността е равна на критичната стойност на безполезността и няма възможност за продължаване. Ако z-статистиката при последния преглед е по-голяма или равна на 2,08, тогава H0 се отхвърля; в противен случай H0 се приема.

Графиката, създадена при задаване на опцията graphbounds, улеснява визуализирането на границите на спиране и необходимите действия, които трябва да се предприемат при всеки поглед.

Когато z-статистиката попадне в синята област на отхвърляне, изпитването се спира за ефикасност. Когато z-статистиката попадне в червената област на приемане, изпитването може да бъде спряно поради безполезност. Ако z-статистиката попадне в зелената област на продължаване, изпитването продължава към следващия поглед.