ph2rand
1.0.0
تجارب الأورام المرحلة الثانية العشوائية مع نتائج برنولي
يوفر PH2RAND وظائف للمساعدة في تصميم تجارب الأورام المقارنة العشوائية التي تفترض أن متغير النتيجة الأولية هو بيرنولي الموزعة. على وجه التحديد ، يتم توفير الدعم إلى (أ) إجراء حساب حجم العينة عند استخدام أحد التصميمات المنشورة العديدة (Jung ، 2008 ؛ Jung and Sargent ، 2014 ؛ Kepner ، 2010 ؛ Litwin et al ، 2017 ، Shan et al ، 2013) ، (ب) تقييم خصائص التشغيل لتصميم معين (سواء تحليليًا أو عبر المحاكاة) ، و (C).
يمكنك تثبيت أحدث إصدار تطوير من ph2rand ، متاح من Github ، مع
devtools :: install_github( " mjg211/ph2rand " )يمكن العثور على مثال تمهيدي على كيفية الاستفادة من الوظائف الأساسية للحزمة أدناه. لمزيد من المساعدة ، يرجى الاطلاع على الحزمة المقالات القصيرة أو البريد الإلكتروني [email protected].
نوضح وظائف التصميمات على مرحلتين ، مع كون نهج التصميمات أحادية المرحلة متشابهة. أولاً ، ابحث عن تصميم على مرحلتين من Jung (2008) للمعلمات الافتراضية
des_jung <- des_two_stage()ثم فحص حجم العينة المطلوب في كل ذراع ، في كل مرحلة
des_jung $ nC
# > [1] 17 17
des_jung $ nE
# > [1] 17 17بعد ذلك ، انظر إلى خصائص التشغيل الرئيسية
des_jung $ opchar
# > # A tibble: 2 x 13
# > piC piE `P(pi)` `ESS(pi)` `SDSS(pi)` `MSS(pi)` `E1(pi)` `E2(pi)` `F1(pi)`
# > <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# > 1 0.1 0.1 0.0702 47.0 16.5 34 0 0.0702 0.617
# > 2 0.1 0.3 0.813 64.7 10.1 68 0 0.813 0.0972
# > # … with 4 more variables: `F2(pi)` <dbl>, `S1(pi)` <dbl>, `S2(pi)` <dbl>, `max
# > # N` <int>قارن هذا بالتصميم المكافئ من Litwin et al (2017)
des_litwin_et_al <- des_two_stage( type = " sat " ,
nCmax = 20L )
des_litwin_et_al $ nC
# > [1] 10 10
des_litwin_et_al $ nE
# > [1] 10 10
des_litwin_et_al $ opchar
# > # A tibble: 2 x 13
# > piC piE `P(pi)` `ESS(pi)` `SDSS(pi)` `MSS(pi)` `E1(pi)` `E2(pi)` `F1(pi)`
# > <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# > 1 0.1 0.1 0.100 25.2 8.79 20 0 0.100 0.739
# > 2 0.1 0.3 0.804 36.9 7.20 40 0 0.804 0.153
# > # … with 4 more variables: `F2(pi)` <dbl>, `S1(pi)` <dbl>, `S2(pi)` <dbl>, `max
# > # N` <int>الآن إلى ذلك من شان (2013)
des_shan_et_al <- des_two_stage( type = " barnard " ,
nCmax = 40L )
des_shan_et_al $ nC
# > [1] 17 17
des_shan_et_al $ nE
# > [1] 17 17
des_shan_et_al $ opchar
# > # A tibble: 2 x 13
# > piC piE `P(pi)` `ESS(pi)` `SDSS(pi)` `MSS(pi)` `E1(pi)` `E2(pi)` `F1(pi)`
# > <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# > 1 0.1 0.1 0.0968 47.0 16.5 34 0 0.0968 0.617
# > 2 0.1 0.3 0.800 64.7 10.1 68 0 0.800 0.0977
# > # … with 4 more variables: `F2(pi)` <dbl>, `S1(pi)` <dbl>, `S2(pi)` <dbl>, `max
# > # N` <int>وأخيرا ذلك من يونغ وسارجنت (2014)
des_jung_sargent <- des_two_stage( type = " fisher " )
des_jung_sargent $ nC
# > [1] 22 22
des_jung_sargent $ nE
# > [1] 22 22
des_jung_sargent $ opchar
# > # A tibble: 2 x 13
# > piC piE `P(pi)` `ESS(pi)` `SDSS(pi)` `MSS(pi)` `E1(pi)` `E2(pi)` `F1(pi)`
# > <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# > 1 0.1 0.1 0.0530 61.5 21.5 44 0 0.0530 0.602
# > 2 0.1 0.3 0.808 85.2 10.7 88 0 0.808 0.0627
# > # … with 4 more variables: `F2(pi)` <dbl>, `S1(pi)` <dbl>, `S2(pi)` <dbl>, `max
# > # N` <int>يمكننا بعد ذلك العثور على النقاط الطرفية لأي من هذه التصميمات ، إلى جانب وظائف كتلة الاحتمالات وخصائص التشغيل لأي معدلات استجابة حقيقية. على سبيل المثال ، ضع في اعتبارك سيناريوهين قدمهما
pi <- rbind(c( 0.1 , 0.1 ),
c( 0.1 , 0.3 ))ثم ابحث عن نقاط الطرفية ، وظائف كتلة الاحتمالات ، وخصائص التشغيل (سواء تحليليًا أو عبر محاكاة) لتصميم Jung (2008) مع
terminal_jung <- terminal( des_jung )
terminal_jung $ terminal
# > # A tibble: 1,344 x 7
# > xC xE mC mE statistic decision k
# > <int> <int> <int> <int> <int> <fct> <fct>
# > 1 0 0 17 17 0 Do not reject 1
# > 2 0 1 17 17 1 Continue to stage 2 1
# > 3 0 2 17 17 2 Continue to stage 2 1
# > 4 0 3 17 17 3 Continue to stage 2 1
# > 5 0 4 17 17 4 Continue to stage 2 1
# > 6 0 5 17 17 5 Continue to stage 2 1
# > 7 0 6 17 17 6 Continue to stage 2 1
# > 8 0 7 17 17 7 Continue to stage 2 1
# > 9 0 8 17 17 8 Continue to stage 2 1
# > 10 0 9 17 17 9 Continue to stage 2 1
# > # … with 1,334 more rows
pmf_jung <- pmf( des_jung , pi )
pmf_jung $ pmf
# > # A tibble: 2,382 x 10
# > piC piE xC xE mC mE statistic decision k `f(x,m|pi)`
# > <dbl> <dbl> <int> <int> <int> <int> <int> <fct> <fct> <dbl>
# > 1 0.1 0.1 0 0 17 17 0 Do not reject 1 0.0278
# > 2 0.1 0.1 1 0 17 17 -1 Do not reject 1 0.0525
# > 3 0.1 0.1 1 1 17 17 0 Do not reject 1 0.0992
# > 4 0.1 0.1 2 0 17 17 -2 Do not reject 1 0.0467
# > 5 0.1 0.1 2 1 17 17 -1 Do not reject 1 0.0882
# > 6 0.1 0.1 2 2 17 17 0 Do not reject 1 0.0784
# > 7 0.1 0.1 3 0 17 17 -3 Do not reject 1 0.0259
# > 8 0.1 0.1 3 1 17 17 -2 Do not reject 1 0.0490
# > 9 0.1 0.1 3 2 17 17 -1 Do not reject 1 0.0436
# > 10 0.1 0.1 3 3 17 17 0 Do not reject 1 0.0242
# > # … with 2,372 more rows
opchar_jung <- opchar( des_jung , pi )
opchar_jung $ opchar
# > # A tibble: 2 x 13
# > piC piE `P(pi)` `ESS(pi)` `SDSS(pi)` `MSS(pi)` `E1(pi)` `E2(pi)` `F1(pi)`
# > <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# > 1 0.1 0.1 0.0702 47.0 16.5 34 0 0.0702 0.617
# > 2 0.1 0.3 0.813 64.7 10.1 68 0 0.813 0.0972
# > # … with 4 more variables: `F2(pi)` <dbl>, `S1(pi)` <dbl>, `S2(pi)` <dbl>, `max
# > # N` <int>
sim_jung <- sim( des_jung , pi )
sim_jung $ sim
# > # A tibble: 2 x 13
# > piC piE `P(pi)` `ESS(pi)` `SDSS(pi)` `MSS(pi)` `E1(pi)` `E2(pi)` `F1(pi)`
# > <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# > 1 0.1 0.1 0.0727 47.0 16.5 34 0 0.0727 0.617
# > 2 0.1 0.3 0.815 64.7 10.0 68 0 0.815 0.0961
# > # … with 4 more variables: `F2(pi)` <dbl>, `S1(pi)` <dbl>, `S2(pi)` <dbl>, `max
# > # N` <int>أخيرًا ، يمكننا رسم عوامل مختلفة تتعلق بالتصميمات. على سبيل المثال ، ارسم النقاط الطرفية لتصميم Jung (2008) (مع القرارات المرتبطة بها) ، إلى جانب احتمال رفض الفرضية الفارغة عندما تكون احتمالات الاستجابة متساوية في الذراعين أو عندما يكون الفرق في احتمالات الاستجابة هو تأثير العلاج المختار
plot( des_jung )
انظر الحزمة المقالات القصيرة لمزيد من التفاصيل.
Jung SH (2008) تجارب المرحلة الثانية العشوائية مع سيطرة محتملة. Stat Med 27 (4): 568–83. doi: 10.1002/sim.2961. بميد: 17573688.
Jung SH ، Sargent DJ (2014) التجارب السريرية المرحلة الثانية العشوائية. J Biopharm Stat 24 (4): 802–16. doi: 10.1080/10543406.2014.901343. بميد: 24697589.
Kepner JL (2010) على التصميمات المتسلسلة للمجموعة تقارن نسبتين ذوو الحدين. J Biopharm Stat 20 (1): 145–59. doi: 10.1080/10543400903280621. بميد: 20077254.
Litwin S ، Basickes S ، Ross EA (2017) تجارب ثنائية العينة ثنائية المرحلة 2 مع خطأ منخفض من النوع الأول وحجم العينة المنخفض. Stat Med 36 (9): 1383–94. doi: 10.1002/sim.7226. بميد: 28118686.
Shan G ، Ma C ، Hutson AD ، Wilding GE (2013) تصميمات عشوائية المرحلة الثانية من المرحلة الثانية من المرحلة الثانية على أساس اختبار بارنارد الدقيق. J Biopharm Stat 23 (5): 1081–90. doi: 10.1080/10543406.2013.813525. بميد: 23957517.
