临床试验杂志
开放获取

抽象的

基线不平衡临床试验中统计方法样本量要求的差异得到证明和量化：模拟研究

博拉吉·伊曼纽尔·埃格贝瓦勒

背景/目标：在对连续结果变量进行治疗后评估的试验中，样本量估计通常不利用有关基线不平衡水平以及结果变量治疗前后评分之间的相关性 (r) 水平的现有信息。因此，在确实存在不平衡的试验场景中，可能会指示比所需数量更多或更少的样本单位，从而产生伦理问题以及与有效试验设计相关的问题。该模拟研究旨在量化不同水平实验条件下所需的相对样本量，包括方差分析 ANOVA、变化评分分析 CSA 和协方差分析 ANCOVA 统计方法的基线不平衡。

方法：总体而言，评估了 126 项假设试验，每项试验都使用治疗效果水平、治疗前后评分之间的相关性、基线不平衡的方向和幅度的几种组合来模拟数据。

结果：无论基线不平衡的大小和方向以及待确定的影响水平如何，与 ANOVA 相比，当 r=0.5 时，CSA 需要相同的样本量，当 r>0.5 时需要更少的样本单位，当 r<0.5 时需要更多的样本单位。无论基线不平衡程度如何，根据相关程度，指定 ANCOVA 所需样本量的减少量可以达到原始样本量的 50% 以上。

结论：研究人员应在样本量估计中利用先验相关性规范，并努力报告试验中观察到的相关性水平的信息。这些信息对于未来有效临床试验的设计至关重要。