基于估计信息时间权重的样本量重新估计方法OA

目的:提出一种新的条件把握度(conditional power,CP)算法,并用于样本量重新估计(sample size re-estimation,SSR)。方法:根据期中观察到的结果估计出一个临时样本量,然后以当前样本量占该估计样本量的比例作为权重,即估计信息时间权重(estimated information time weighting,EIW),计算CP(cpEIW)并进行样本量重新估计。借助Monte-Carlo模拟技术对该方法与目前计算CP常用的cpD法(初始假定参数法)、cpI法(期中观测结果法)和cpOPW法(最优混合权重法)3种方法进行准确性比较,并比较基于4种CP算法进行样本量重新估计的统计性能。结果:对CP准确性的模拟结果显示,cpEIW和cpOPW的准确性接近,且两者均优于常用的cpD和cpI。对基于不同CP算法进行样本量重新估计的模拟结果显示,4种方法均能够控制一类错误,而cpEIW法具有最高的把握度,同时具有最优的平均性能得分(APS)。结论:在4种CP算法中,cpEIW法具有较好的准确性,用其进行样本量重新估计也具有较好的统计性能,可推荐应用。