重复测量资料分析：新药临床试验的混合效应模型

"新药临床试验中重复测量资料的混合效应模型-陈峰.pdf" 这篇论文主要探讨了在新药临床试验中如何分析重复测量资料，这些资料是指对同一研究对象在不同时间点的多次测量结果。文章介绍了重复测量资料的三种常见设计类型：前后测量设计、配对设计和随机区组设计，并指出了各自的特点和适用情况。 在前后测量设计中，由于不能同时观察试验结果，第一次观察结果通常与差值存在负相关，分析不仅限于平均差值，还可以进行相关回归分析。配对设计则适用于同一对子的两个实验单位同期观察，通过平均差值比较处理组间差异，要求差值服从正态分布。随机区组设计中，处理在区组内随机分配，每个实验单位接受不同的处理，但区组内的实验单位应相互独立。 重复测量设计与上述三种有所不同，处理在区组（受试者）间随机分配，而区组内的各时间点固定，导致区组内实验单位不独立。这种设计在新药的II期临床试验中尤为常见，因为需要动态观察受试者的多项指标变化。 传统分析重复测量资料的方法存在不足。一种方法是分别比较各时间点的试验组和对照组，这种方法忽略了各时点间的内在联系，可能导致检验效能降低。另一种方法是通过广义线性模型考虑观察值随时间的变化，但忽略了受试者不同时间点间的内部相关性，可能增加I型错误，使得无效的药物被视为有效。 论文中提到的混合效应模型是一种解决这些问题的现代统计方法。这种模型能够同时考虑个体间（inter-subject）和个体内（intra-subject）的变异性，保留了不同时间点间的关联性，提高分析的准确性和效率。在新药临床试验中，正确分析重复测量资料对于评估药物的安全性和有效性至关重要，混合效应模型为此提供了更为严谨的统计工具。 作者们来自多个医学统计教研室，包括南通医学院、解放军总医院、中国医科大学、四川大学和上海第二医科大学，这表明论文的研究和讨论具有权威性和专业性。通过他们的研究，读者可以深入理解如何在新药临床试验中有效地分析重复测量数据，以更准确地判断新药的效果。