【摘要】：目的:基于一項RCT設(shè)計的臨床試驗,通過不同的缺失數(shù)據(jù)處理方法對療效評價進行敏感性分析,為臨床試驗中單調(diào)、隨機缺失數(shù)據(jù)分析提供方法學(xué)指導(dǎo)。對象與方法:研究對象為生長激素缺乏癥患者452例,按1:1的分配比例隨機分為低劑量組(0.12mg/kg/w)和高劑量組(0.20mg/kg/w)進行某種重組人生長激素的治療。剔除誤納或無用藥患者3例,納入FAS分析低劑量組224例、高劑量組225例。療效指標(biāo)為基于實際年齡的身高標(biāo)準(zhǔn)差積分(Ht-SDS_(CA))、基于骨齡的身高標(biāo)準(zhǔn)差積分(Ht-SDS_(BA))和年生長速率(HV)。利用MonteCarlo模擬,采用絕對誤差均值(MAE)與誤差均方(MSE)在不同樣本量及缺失數(shù)據(jù)比例的情況下,對多重填補法、EM算法和隨機森林傾向值評分聯(lián)合雙穩(wěn)健逆概率加權(quán)處理缺失數(shù)據(jù)的穩(wěn)健性進行評價,并結(jié)合臨床試驗案例進行應(yīng)用分析。結(jié)果:(1)模擬結(jié)果顯示,當(dāng)樣本量固定時,多重填補法、EM算法及隨機森林傾向值評分聯(lián)合雙穩(wěn)健逆概率加權(quán)法三種缺失數(shù)據(jù)處理方法估計得到的絕對誤差均值和誤差均方隨著缺失數(shù)據(jù)比例上升而增大;當(dāng)缺失數(shù)據(jù)比例固定時,估計得到的絕對誤差均值和誤差均方隨著樣本量增加而縮小。(2)隨機森林傾向值評分聯(lián)合雙穩(wěn)健逆概率加權(quán)法的MAE及MSE均最小,顯示其效應(yīng)估計的精準(zhǔn)性最好;多重填補法與EM算法的MAE及MSE比較相近。(3)基于RCT設(shè)計的臨床試驗數(shù)據(jù),對療效指標(biāo)Ht-SDS_(CA)、Ht-SDS_(BA)和年生長速率(HV)進行分析。結(jié)果顯示,在指標(biāo)Ht-SDS_(CA)及HV上,高劑量組的效應(yīng)要高于低劑量組,差異均有統(tǒng)計學(xué)意義,但Ht-SDS_(BA)的不同劑量組間差異無統(tǒng)計學(xué)意義。應(yīng)用多重填補法、EM算法和隨機森林傾向值評分聯(lián)合雙穩(wěn)健逆概率加權(quán)法處理缺失數(shù)據(jù),得到的治療效應(yīng)值,包括點估計、區(qū)間估計等,與LOCF填補的結(jié)果基本一致。結(jié)論:多重填補法、EM算法及隨機森林傾向值評分聯(lián)合雙穩(wěn)健逆概率加權(quán)法對于RCT臨床試驗缺失數(shù)據(jù)的處理都具有良好的適用性,結(jié)果與LOCF法基本一致。相比而言,隨機森林傾向值評分聯(lián)合雙穩(wěn)健逆概率加權(quán)法效應(yīng)估計精準(zhǔn)性最好。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：O212.1;R195.1

【參考文獻】

相關(guān)期刊論文 前5條

1 葉素靜;唐文清;張敏強;曹魏聰;;追蹤研究中缺失數(shù)據(jù)處理方法及應(yīng)用現(xiàn)狀分析[J];心理科學(xué)進展;2014年12期

2 吳美京;吳騁;王睿;趙艷芳;賀佳;;傾向性評分法中評分值的估計方法及比較[J];中國衛(wèi)生統(tǒng)計;2013年03期

3 翟繼友;張鵬;;高斯混合模型參數(shù)估值算法的優(yōu)化[J];計算機技術(shù)與發(fā)展;2011年11期

4 于浩,陳峰;臨床試驗中中心效應(yīng)的評價及處理方法[J];中國臨床藥理學(xué)與治療學(xué);2004年09期

5 陳長生,王彤,徐勇勇,尚磊;醫(yī)學(xué)科研中缺失數(shù)據(jù)的EM估計[J];第四軍醫(yī)大學(xué)學(xué)報;2002年01期

本文編號：2721599