Three influential design quantities on the power of Wald-type tests for treatment comparisons in clinical trials
Notice bibliographique
Résumé
In clinical trials, efficient statistical inference is critical to the well-being of future patients. We therefore construct Wald-type tests for the hypothesis of treatment-by-covariate interaction when treatments are assigned to patients by an adaptive design and the true model is a generalized linear model. Our measure of efficiency is the power of the test while ethics of a trial or well-being of participating patients is measured by the success rate of treatments. We demonstrate that the power of the test depends on the target allocation proportion, the bias of the randomization procedure from the target, and the variability induced by the randomization process (design variability) for adaptive designs. We prove that these quantities influence the power when the trial involves two treatments and a single covariate. We also show that, in this case, as design variability decreases the power increases. Due to the complexity of the problem, we demonstrate by simulation that this result still holds when more than one covariate is present in the model. In simulation studies, we compare the measures of efficiency and ethics under response-adaptive (RA), covariate-adjusted responseadaptive (CARA), and completely randomized (CR) designs. The methods are applied to data from a clinical trial on stroke prevention in atrial fibrillation (SPAF). Journal of Statistical Research 2022, Vol. 56, No. 1, pp. 11-36
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,384 | 0,701 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,022 |
| Communication savante | 0,006 | 0,012 |
| Science ouverte | 0,007 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».