เครื่องคิดเลขฟรีของ Editverse
เครื่องคำนวณการวิเคราะห์เบื้องต้น (ขอบเขต O'Brien-Fleming และ Pocock)
คำนวณขอบเขตประสิทธิภาพแบบสองด้านของ O'Brien-Fleming หรือ Pocock สำหรับการวิเคราะห์ 2 ถึง 8 ครั้งที่เว้นระยะเท่ากัน โดยรักษาความผิดพลาดประเภทที่ 1 โดยรวมไว้ที่ค่าอัลฟาที่คุณเลือก ด้วยคำสั่ง R ที่อยู่เบื้องหลังผลลัพธ์ ขอบเขตความล้มเหลว การวิเคราะห์ที่เว้นระยะไม่เท่ากัน (การใช้ค่าอัลฟา) และขนาดตัวอย่างอยู่นอกเหนือเครื่องมือนี้ คู่มือฉบับเต็มอยู่ด้านล่าง ตรวจสอบความถูกต้องแล้วกับ R 4.3.3
ในคำง่ายๆ
การพิจารณาข้อมูลการทดลองซ้ำๆ และการทดสอบทุกครั้งจะเพิ่มโอกาสที่จะเกิดผลบวกเท็จ การกำหนดขอบเขตแบบกลุ่มตามลำดับจะช่วยแก้ปัญหานี้ได้โดยการใช้ค่าความคลาดเคลื่อนโดยรวมไปกับการวิเคราะห์ระหว่างกาลที่วางแผนไว้ ดังนั้นความคลาดเคลื่อนประเภทที่ 1 ในขั้นสุดท้ายจึงยังคงเท่ากับระดับที่กำหนดไว้
วิธีการ ของO'Brien-Flemingกำหนดขอบเขตที่เข้มงวดมากในการตรวจสอบเบื้องต้น ทำให้ยากที่จะหยุดการทดลองก่อนกำหนด เว้นแต่ผลลัพธ์จะชัดเจน และจะผ่อนปรนขอบเขตเหล่านั้นเมื่อการทดลองใกล้จะสิ้นสุดตามแผนที่วางไว้ วิธีนี้ช่วยรักษาขอบเขตความคลาดเคลื่อนส่วนใหญ่ไว้สำหรับการวิเคราะห์ขั้นสุดท้าย ดังนั้นการออกแบบจึงสูญเสียประสิทธิภาพเพียงเล็กน้อยเมื่อเทียบกับการทดลองแบบตรวจสอบครั้งเดียวที่กำหนดไว้ตายตัว
ควรใช้การวิเคราะห์ระหว่างกาลเมื่อใด
ควรวางแผนการวิเคราะห์ระหว่างกาลเมื่อการทดลองมีระยะเวลานานหรือมีขนาดใหญ่พอที่การหยุดการทดลองก่อนกำหนดเนื่องจากเห็นผลดี ผลเสีย หรือไร้ประโยชน์อย่างชัดเจน จะมีความสำคัญในเชิงจริยธรรมหรือในทางปฏิบัติ คณะกรรมการตรวจสอบข้อมูลจะใช้ขอบเขตเหล่านี้ในการตัดสินใจว่าหลักฐานที่สะสมมานั้นเพียงพอที่จะยุติการทดลองหรือไม่
ต้องระบุขอบเขตในโปรโตคอลก่อนเริ่มการทดลอง การแอบดูโดยไม่วางแผนจะทำให้โอกาสเกิดข้อผิดพลาดสูงขึ้น รายงานประเภทของขอบเขต จำนวนและช่วงเวลาของการแอบดู และจับคู่การออกแบบกับขนาดตัวอย่าง ที่เหมาะสม ผลลัพธ์สุดท้ายยังคงอ่านเทียบกับขอบเขต ไม่ใช่ค่า p-value คงที่ที่ 0.05 ไม่แน่ใจว่าจะวางแผนการแอบดูอย่างไร? ตัวเลือกการทดสอบของเราสามารถช่วยได้
# ขอบเขตแบบกลุ่มลำดับคลาสสิก (รูปร่างคงที่) ระยะห่างเท่ากัน K <- {looks}; alpha <- {alpha}; type <- "{interim_type}" # "OF" = O'Brien-Fleming, "Pocock" w <- if (type == "Pocock") rep(1, K) else sqrt(K / seq_len(K)) surv <- function(C, NG = 240) { simp <- c(1, rep(c(4, 2), length.out = NG - 1), 1) for (k in seq_len(K)) { b <- C * w[k] * sqrt(k); hn <- 2 * b / NG; ng <- -b + (0:NG) * hn nd <- if (k == 1) dnorm(ng) else sapply(ng, function(s) sum(simp * dens * dnorm(s - grid)) * h / 3) s <- sum(simp * nd) * hn / 3; grid <- ng; dens <- nd; h <- hn } s } C <- uniroot(function(C) 1 - surv(C) - alpha, c(1, 6), tol = 1e-10)$root round(C * w, 3) # critical |z| at each lookคู่มือผู้ใช้
ควรใช้เมื่อใดกำหนดขอบเขตการหยุดการทดลองตามประสิทธิภาพสำหรับการทดลองที่มีการติดตามผลระหว่างกาลตามแผน เพื่อให้ความผิดพลาดประเภทที่ 1 โดยรวมยังคงอยู่ที่ α
ข้อสมมติฐาน:การตรวจสอบมีระยะห่างเท่ากัน (ข้อมูลเท่ากันในแต่ละขั้นตอน); การทดสอบแบบสองด้านของสถิติที่มีการกระจายแบบปกติ; ขอบเขตถูกกำหนดไว้ก่อนการเปิดเผยข้อมูล
ข้อผิดพลาดที่พบบ่อยอย่าเพิ่มลักษณะที่ไม่วางแผนไว้ สำหรับระยะห่างที่ไม่เท่ากัน ให้ใช้การกระจายค่าตัวอักษร (Lan-DeMets) ในซอฟต์แวร์เฉพาะทาง
ตัวอย่างการทำงาน
คลิกที่ " โหลดข้อมูลตัวอย่าง"ด้านบน จากนั้นคลิก "เรียกใช้การวิเคราะห์"เพื่อดูผลลัพธ์ที่สมบูรณ์พร้อมรูปภาพ สูตร และคำอธิบายสำหรับการทดสอบนี้
อ้างอิง
- O'Brien PC, Fleming TR. ขั้นตอนการทดสอบหลายรายการสำหรับการทดลองทางคลินิก Biometrics. 1979;35(3):549-556.
- Pocock SJ. วิธีการเรียงลำดับกลุ่มในการออกแบบและการวิเคราะห์การทดลองทางคลินิก Biometrika. 1977;64(2):191-199.
- Jennison C, Turnbull BW. วิธีการจัดลำดับกลุ่มพร้อมการประยุกต์ใช้ในการทดลองทางคลินิก CRC; 2000.
ตัวอย่างผลงาน
ตัวอย่างที่ 1 — สองมุมมองชั่วคราว
การทดลองนี้วางแผนการวิเคราะห์ระหว่างกาลสองครั้งและการวิเคราะห์ขั้นสุดท้ายหนึ่งครั้ง เกณฑ์ของ O'Brien-Fleming กำหนดให้ผลลัพธ์ที่รุนแรงมากต้องหยุดที่การตรวจสอบครั้งแรก ผลลัพธ์ที่รุนแรงน้อยลงเล็กน้อยในการตรวจสอบครั้งที่สอง และผลลัพธ์ที่ใกล้เคียงกับเกณฑ์ปกติในตอนท้าย อัตราผลบวกเท็จโดยรวมยังคงอยู่ที่ 5% แม้จะทำการทดสอบสามครั้งแล้วก็ตาม
ตัวอย่างที่ 2 — การหยุดงานก่อนกำหนดเพื่อประโยชน์
หากค่าสถิติ z ระหว่างกาลครั้งแรกเกินเกณฑ์เบื้องต้นที่เข้มงวด คณะกรรมการตรวจสอบอาจสั่งยุติการทดลองได้เนื่องจากผลลัพธ์ที่ได้มีประโยชน์อย่างมาก เนื่องจากเกณฑ์เบื้องต้นนั้นเข้มงวดมาก การที่ค่าสถิติเกินเกณฑ์จึงถือเป็นหลักฐานที่แข็งแกร่งและช่วยป้องกันการยุติการทดลองเนื่องจากความบังเอิญ
ข้อสมมติฐานที่ต้องตรวจสอบ
ลักษณะที่กำหนดไว้ล่วงหน้าจำนวนและช่วงเวลาของการวิเคราะห์ระหว่างกาลต้องถูกกำหนดไว้ในโปรโตคอล การวิเคราะห์ที่ไม่ได้วางแผนไว้จะไม่อยู่ในขอบเขตที่กำหนดและจะทำให้อัตราความผิดพลาดสูงขึ้น
ฟังก์ชันการใช้จ่ายหรือขอบเขตคงที่วิธีนี้ถือว่ามีวิธีการจัดสรรงบประมาณข้อผิดพลาดที่กำหนดไว้แล้วสำหรับลักษณะต่างๆ การเปลี่ยนแปลงงบประมาณระหว่างการทดลองโดยไม่มีกรอบการใช้จ่ายอัลฟ่าจะทำให้การรับประกันนั้นเป็นโมฆะ
สัดส่วนของข้อมูลขอบเขตขึ้นอยู่กับว่าได้รวบรวมข้อมูลตามแผนไว้มากน้อยเพียงใดในแต่ละครั้ง ดังนั้นจึงต้องติดตามเวลาอย่างแม่นยำ
ข้อผิดพลาดทั่วไป
รูปลักษณ์ชั่วคราวที่ไม่ได้วางแผนไว้
การแอบดูข้อมูลนอกเหนือจากตารางเวลาที่วางแผนไว้จะเพิ่มโอกาสเกิดข้อผิดพลาดประเภทที่ 1 ทุกครั้งที่ตรวจสอบจะต้องอยู่ในขอบเขตที่กำหนดไว้
อ่านผลการวิเคราะห์ขั้นสุดท้ายเทียบกับ 0.05
หลังจากตรวจสอบเบื้องต้นแล้ว ค่าวิกฤตสุดท้ายจะเข้มงวดกว่า 0.05 เล็กน้อย การเปรียบเทียบค่า p-value สุดท้ายกับ 0.05 นั้นไม่ได้คำนึงถึงการแก้ไขความหลากหลาย (multiplicity correction)
หยุดรถก่อนกำหนดเมื่อได้รับสัญญาณอ่อน
ขอบเขตของ O'Brien-Fleming นั้นเข้มงวดอย่างจงใจตั้งแต่แรก การหยุดเกมเมื่อผลลัพธ์ยังไม่ข้ามขอบเขตจะทำให้การควบคุมข้อผิดพลาดถูกละทิ้งไป
ขอบเขตระหว่างประสิทธิภาพและความไร้ประโยชน์ที่สับสน
การหยุดการรักษาเนื่องจากได้ประโยชน์และการหยุดการรักษาเนื่องจากไร้ประโยชน์ใช้กฎเกณฑ์ที่แตกต่างกัน การนำขอบเขตประสิทธิภาพมาใช้กับการตัดสินใจว่าไร้ประโยชน์นั้นเป็นการบิดเบือนหลักฐาน
คำถามที่พบบ่อย (FAQs)
ทำไมไม่ลองทดสอบที่ค่า 0.05 ทุกครั้งไปเลยล่ะ?
การทดสอบซ้ำที่ระดับ 0.05 ทำให้ค่าอัตราผลบวกเท็จโดยรวมสูงกว่า 5% อย่างมาก ในขณะที่การกำหนดขอบเขตตามลำดับกลุ่มจะใช้เงินงบประมาณข้อผิดพลาดไป ทำให้ค่าโดยรวมยังคงอยู่ที่ระดับที่กำหนดไว้
เหตุใดขอบเขตของ O'Brien-Fleming จึงเข้มงวดตั้งแต่แรก?
พวกเขาสงวนงบประมาณความคลาดเคลื่อนส่วนใหญ่ไว้สำหรับการวิเคราะห์ขั้นสุดท้าย ดังนั้นการทดลองจึงยังคงมีประสิทธิภาพเกือบเต็มที่ ในขณะเดียวกันก็อนุญาตให้ยุติการทดลองก่อนกำหนดได้หากพบผลกระทบขนาดใหญ่
ใครเป็นผู้ตัดสินใจว่าจะหยุดหรือไม่?
คณะกรรมการตรวจสอบข้อมูลอิสระจะทบทวนผลลัพธ์เบื้องต้นเทียบกับขอบเขตที่กำหนดไว้ล่วงหน้า และให้คำแนะนำว่าควรดำเนินการต่อหรือยุติโครงการ
ผลลัพธ์ตรงกับ R และ SAS หรือไม่?
ใช่แล้ว เครื่องคำนวณจะคำนวณค่าวิกฤตแบบคลาสสิกของ O'Brien-Fleming และ Pocock สำหรับการตรวจสอบที่มีระยะห่างเท่ากัน ซึ่งตรงกับตารางที่เผยแพร่ไว้: สำหรับการตรวจสอบ 5 ครั้งที่ค่าอัลฟาแบบสองด้าน 0.05 นั้น O'Brien-Fleming ให้ค่า |z| เท่ากับ 4.562, 3.226, 2.634, 2.281, 2.040 และ Pocock ให้ค่า 2.413 ในทุกการตรวจสอบ ในส่วนของโค้ด R ให้ตั้งค่า type <- "Pocock" เพื่อสร้างขอบเขตของ Pocock ขึ้นมาใหม่
เครื่องคำนวณที่เกี่ยวข้อง
อ้างอิง
- โอไบรอัน พีซี, เฟลมมิง ทีอาร์ กระบวนการทดสอบหลายขั้นตอนสำหรับการทดลองทางคลินิก Biometrics. 1979;35(3):549–556. PMID 497341
- เฟลมมิง ทีอาร์, เดอเมตส์ ดีแอล. การติดตามตรวจสอบการทดลองทางคลินิก: ประเด็นปัญหาและข้อเสนอแนะ การทดลองทางคลินิกควบคุม. 1993;14(3):183–197. PMID 8339549
- Lan KKG, DeMets DL. ขอบเขตลำดับที่ไม่ต่อเนื่องสำหรับการทดลองทางคลินิก Biometrika. 1983;70(3):659–663.
ต้องการให้วิเคราะห์ข้อมูลนี้สำหรับต้นฉบับของคุณหรือไม่?
นักสถิติชีวภาพระดับปริญญาเอกของเราออกแบบการทดลองแบบกลุ่มต่อเนื่องและแบบปรับเปลี่ยนได้ — ขอบเขตการใช้ค่าอัลฟา แผนการติดตามระหว่างการทดลอง และการวิเคราะห์ขั้นสุดท้าย — ด้วยผลลัพธ์ R ที่สามารถทำซ้ำได้