The Chronic Progressive Repeated Measures (CPRM) Model for Clinical Trials Comparing Change Over Time in Quantitative Trait Outcomes
Notice bibliographique
Résumé
Repeated measures analysis is a common analysis plan for clinical trials comparing change over time in quantitative trait outcomes in treatment versus control. Mixed model for repeated measures (MMRM) assuming an unstructured covariance of repeated measures is the default statistical analysis plan, with alternative covariance structures specified in the event that the MMRM model with unstructured covariance does not converge. We here describe a parsimonious covariance structure for repeated measures analysis that is specifically appropriate for longitudinal repeated measures of chronic progressive conditions. This model has the parsimonious features of the mixed effects model with random slopes and intercepts, but without restricting the repeated measure means to be linear with time. We demonstrate with data from completed trials that this pattern of longitudinal trajectories spreading apart over time is typical of Alzheimer’s disease. We further demonstrate that alternative covariance structures typically specified in statistical analysis plans using MMRM perform poorly for chronic progressive conditions, with the compound symmetry model being anticonservative, and the autoregressive model being poorly powered. Finally, we derive power calculation formulas for the chronic progressive repeated measures model that have the advantage of being independent of the design of the pilot studies informing the power calculations. When data follow the pattern of a chronic progressive condition. These power formulas are also appropriate for sizing clinical trials using MMRM analysis with unstructured covariance of repeated measures.
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 | 0,264 | 0,235 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,013 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,006 |
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 ».