换一批摘要近些年来，适应性设计在药物开放临床试验中得到了广泛应用，其中尤其以样本量重估计设计的应用更为普遍，且随着我国相关生物统计学指导原则的发布，进一步提高了其应用的普遍性，但是与此同时也带来了全新的挑战。在适应性设计中，基于试验期间的累积数据对试验进行的适应性修改，会带来两个问题:一是可能会导致一类错误膨胀，二是可能会导致传统的参数估计产生偏倚。目前，对于样本量重估计设计，由于对参数估计的重视长期不足，对于假设检验之后合理的参数估计关注较少，应用也十分匮乏，相应的方法学研究也比较滞后，因此迫切需要一种可适用于样本量重估计设计的更具操作性的参数估计策略。<br> 目的:本研究基于常见的样本量重估计需求，提出一种更加灵活的样本量重估规则，使其适用于更加广泛的应用场景。在提出的样本量重估规则下，重新推导常见估计量的偏倚，并运用偏倚矫正方法得到全新的无偏估计量，同时得到几种估计量的偏差与方差的表达式，便于进行不同估计量间优劣的比较。<br> 方法:本研究基于正态分布总体，运用最小充分统计量(minimal sufficient statistic)和一致最小方差无偏估计(uniformly minimum variance unbiased estimate)相关理论，基于条件期望，delta法，Taylor展开，均方误差等的推导给出了传统非调整的极大似然估计量的偏倚大小，并推导了多种无偏和有偏估计量及其偏差与方差。<br> 结果:本研究通过理论推导，得到了极大似然估计量的偏差以及方差，中位无偏估计量的偏差以及方差，基于极大似然估计量以及最小充分统计量构造出来一种全新的无偏估计量，该估计量不仅无偏，且与极大似然估计量相比，方差更小，效能更好。
更多相关知识
- 浏览3
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
