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...
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...
亚组分析的第二个主要局限性在于多重性(multiplicity)。当整体疗效无法说明新治疗方案有获益时,亚组分析可能被视为挽救试验的最后一根稻草,或者最起码可以让研究更有吸引力。研究者在分析过程中会考虑多种因素:种族、性别、分期、体力状况、病理类型等,并可能会发现有意义的结果。多重亚组分析会面临较高的“假阳性...
一、临床试验的亚组分析 我们都知道,临床试验里对主要终点的分析是整个研究最重要和最主要的结果。除此之外,不少研究还会预先设计进行亚组分析,比如限制在一些人群子集里。但有时亚组分析是“事后”进行的。由于临床试验的样本量是基于主要终点设计的,在这种情况下亚组分析无论得到阳性结果还是阴性结果,都可能会引起...
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...
提示此亚组分析可能是异质性来源，可以对第二个亚组进行“单一排除”或者“连续多项研究”的敏感性分析...
进行亚组分析时,常用的方法包括但不限于: 分类变量分析:通过比较不同分类变量水平下的统计指标,如均值、中位数、标准差等,来发现亚组间的差异。 聚类分析:使用无监督学习的方法,将数据点自动划分为多个群组,每个群组可能代表一个潜在的亚组。 决策树和随机森林:这些机器学习算法可以自动识别数据中的重要特征,从而...
第一种:基于临床常见变量划分亚组 该方法是对临床常见变量进行分类,以形成亚组。例如,在COVID-19疗法随机评估(RECOVERY)试验中,COVID-19住院患者被随机分配至接受地塞米松或常规治疗,主要结局是28天死亡率[3]。根据基线时呼吸支持的强度分亚组,各亚组患者的治疗结果有所不同:未接受呼吸支持的患者(呼吸环境空气)可...
亚组分析：在药物临床试验中，一般一个临床试验都会有个最主要的研究目标，围绕这个中心问题会收集很多资料，利用其中部分资料也能得出一些有意义的结论，但不是本次研究最主要的目标，这些次要分析叫亚组分析。这些研究称为亚组研究，其涉及的资料称为亚组。做亚组分析时最主要的前提条件是入组研究的...
亚组分析的目的 一、识别差异:亚组分析可以帮助研究者识别不同子组之间的差异,例如不同年龄、性别、种族或其他分类变量的子组。 二、提高精确性:通过对特定子组进行分析,研究者可以更精确地了解某一特定子组的行为或特征,而不是对整体样本进行分析。