临床试验的多重比较

凤鸾

刚接触到这个领域。
感觉这部分的多重比较跟我们从课本上学的有点不一样。临床试验的多重比较摘之小胖说统计之二十六------二十九 多重比较
多个治疗组的比较（一）
在临床试验中，我们常遇到一些试验涉及多个治疗组。例如，最常见的情况如某项试验包括以下治疗组：
（1） 三个治疗组：高剂量试验药物、低剂量试验药物和对照组（阳性对照药或安慰剂）
（2） 四个治疗组：A药、B药、A药和B药联合、安慰剂
（3） 剂量反应研究：多个剂量组
（4） 。。。。。。
多个治疗组的比较（二）
对于涉及到多个治疗组的临床试验，一个常见的简单的办法就是定义一个主要的比较（primary comparison），这种情况最常见于高剂量试验药物、低剂量试验药物和对照组三组比较的试验中，以下是个例子：
某项研究旨在研究A药物对急性鼻窦炎的疗效，包括三个组：高剂量A药、低剂量A药和安慰剂。这时我们可以把高剂量组和安慰剂的比较作为主要比较，具体的分析方法如下：
先对高剂量组和安慰剂进行比较
（1） 如果上述P值大于0.05，则无需进行低剂量和安慰剂的比较，结论是A药无效
（2） 如果上述P值小于0.05, 则再对低剂量组和安慰剂进行比较，如果这时低剂量比较的P值也小于0.05，说明无论高剂量还是低剂量都有效，如果时低剂量比较的P值大于0.05，则说明高剂量A药有效
当然上述是三组比较的例子，同理推断，如果有四组或以上的比较，我们可以根据临床意义对这些比较进行事先的排序，依次在显著性水平为0.05上进行统计比较，但需要记住的是，如果排序在前的比较没有达到统计学意义，那么排序随后的比较就无需进行而被认为是无统计学意义的了。当然需要最后强调的一点是，上述比较的统计检验显著性水平均为0.05，无需进行调整。

多个治疗组的比较（三）
和前面提到的如果研究目的要求所有的主要变量都必须有统计学意义那么无需进行α的调整一样，如果研究目的要求所有的治疗组比较都有统计学意义的话，α也无需进行调整。举个例子来说吧，某项试验想研究一下药物剂量和疗程对疗效的影响，有三个治疗组：
A组：X药物剂量为5mg疗程为24周
B组：X药物剂量为10mg疗程为24周
C组：X药物剂量为5mg疗程为48周
研究目的是显示，不仅B组优于A组而且C组优于A组，通俗地讲就是不仅剂量加大了疗效会变好而且疗程变长了疗效也会变好。这时就要求B组和A组比较、C组和A组比较都要有统计学意义。具体的做法就是：
（1） 对B组和A组进行统计学比较
（2） 对C组和A组进行统计学比较
（3） 看看上面两个比较的p值是否都小于0.05，如果是，才能达到研究目的
多个治疗组的比较（四）
和小胖开播之二十八中同样的试验，我们想看一个药物在加大剂量或延长疗程后疗效有没有提高，同样有三个治疗组：
A组：X药物剂量为5mg疗程为24周
B组：X药物剂量为10mg疗程为24周
C组：X药物剂量为5mg疗程为48周
这时我们研究的目的是想显示B组优于A组（剂量加大是否提高疗效）或者C组优于A组（疗程延长是否提高疗效），我们并不需要剂量加大和疗程延长都能提高疗效，其中之一就达到研究目的。这时我们在统计分析时就要对α进行调整。下边介绍一个现在临床试验中比较流行的方法Hochberg Method。具体的做法是：
（1） 分别对B组和A组，C组和A组进行统计学比较，计算出各自比较的p值
（2） 对两个p值进行排序
（3） 如果较大的p值小于0.05则两个比较都有统计学意义，即B组和A组，C组和A组之间都有统计学差别
（4） 如果较大的p值大于0.05，则要看较小的p值，如果较小的p值小于0.05/2，则较小的p值对应的那个比较具有统计学意义，而较大的p值对应的那个比较无统计学意义；如果如果较小的p值大于0.05/2，则两个比较均无统计学意义。