1、事后进行的亚组分析由于可能破坏预先设定的随机分组,从而引入偏倚使结论不够稳健甚至错误,其分析结果并不能作为确证性结论用以判断疗效,而只能作为探索性分析为进一步研究提供线索,并需要确证性研究进行确认。 2、亚组分析常见的错误分析方法是分别检验各个亚组的差异是...
CheckMate 057研究中根据基线PD-L1表达的亚组分析(来源:NEJM 2015) 此外,研究者还观察到,与活性对照相比,PD-L1<1%的患者未受到O药的不利影响,约10%达到客观缓解且疗效持久。关于亚组分析的具体细节包含在产品说明书中,以帮助医生和患者做出个体治疗决策,其中免...
2.1.1单因素线性回归亚组分析 当我们选择线性回归亚组分析时,需要完成连续性因变量、暴露因素、亚组变量的选择。 连续型因变量:即线性回归中的因变量/结局变量,必须是连续型变量。 暴露因素:即我们研究重点关注的关键自变量/焦点因素,平台限制为二分类变量。(其实亚组分析并不限制暴露的变量类型,不过是在不同人群中...
本周风暴统计平台最新更新了亚组森林图板块!界面与功能进行了全新升级,今天就通过这篇教程为大家详细介绍,亚组森林图模块各种细节的设置与使用方式!教程将从以下方面开展:1. 亚组分析使用介绍2. 不同回归分析中亚组森林图的绘制3. 森林图细节部分设置4. 下载结果实操具
亚组分析主要包括两个部分:1)计算亚组中的合并效应值;2)使用统计学检验比较亚组的影响 2.1 计算亚组合并效应值 在这部分中,与之前学的合并效应值类似,假设亚组中的研究群体是同质的,我们可以使用固定效应模型,但在实际中,往往不现实。另一种方法是采用随机效应模型。
亚组分析有助于探索更可能从试验性治疗方案中获益的特定患者人群,从临床试验中获得最大化信息,并可根据这些结果生成新的假设以及推进后续试验。此外,亚组分析还可用于评价总体治疗效果在患者亚组之间是否一致,这通常被称为“稳健性检查”(robustness checking)。
1、亚组分析使用介绍 目前,医学顶级期刊的临床试验,经常采用亚组森林图的方式,开展亚组分析,这些高大上的图片可以使文章更加高级,因此,近年来受到许多科研人员的欢迎,在众多文章中都可以见到森林图的身影! 其实亚组分析的原理十分简单:它一般属于文章的附加内容,文章主体通过对全人群进行分析后,希望在亚组人群中进一...
在随机化临床试验中,亚组分析是指在根据基线特征(如:年龄、性别、组织学、种族等)定义的患者亚组中,评估特定终点(如:总生存期)的治疗效果(如:风险比HR)。 亚组分析有助于探索更可能从试验性治疗方案中获益的特定患者人群,从临床试验中获得最大化信息,并可根据这些结果生成新的假设以及推进后续试验。此外,亚组...
首先,常见的亚组分析会有2个P值,一个是回归分析P值,另一个是P for interaction。 回归分析P值比较好理解,反映在亚组人群中,不同干预措施与结局是否存在关联。 P for interaction,反映的是干预的效果是否受到某个基线特征的影响,也就是不同亚组间干预与结局的关系是否有差异,即干预效果和亚组因素有没有交互作...