minoRityPower

minoRityPower

minoRityPower es un paquete R diseñado para estimar el poder estadístico para detectar efectos de las intervenciones a nivel del sistema de salud en la inscripción de ensayos clínicos, con un enfoque particular en acelerar el reclutamiento de participantes minoritarios. Desarrollado para la aplicación del programa ARPA-H, este paquete proporciona análisis a nivel de instalación y a nivel de participante a través de modelos de efectos mixtos y simulaciones basadas en bootstrap.

Descripción general

Los ensayos clínicos a menudo enfrentan desafíos a la hora de reclutar participantes minoritarios, lo que lleva a una representación insuficiente en la investigación médica. Las intervenciones a nivel del sistema de atención médica tienen como objetivo abordar este problema mediante la implementación de cambios sistemáticos para mejorar la inscripción de las minorías. Este paquete proporciona herramientas para:

1. Estimar el poder para detectar los efectos de la intervención en las tasas de inscripción a nivel de establecimiento
2. Analizar las probabilidades de inscripción a nivel de participante y las interacciones de intervención con el estatus de minoría
3. Respalde análisis de energía integrales tanto a nivel de instalación como individual
4. Tener en cuenta la naturaleza jerárquica de los datos de los ensayos clínicos.
5. Visualice el poder en diferentes tamaños de efectos y tamaños de muestra

Instalación

 # Install from GitHub
devtools :: install_github( " biostochastics/ minoRityPower " )

Enfoques de análisis

El paquete implementa dos enfoques complementarios para el análisis de potencia:

1. Análisis a nivel de instalación

Este enfoque modela la tasa de inscripción a nivel de establecimiento, enfocándose en cómo las intervenciones afectan el número de participantes inscritos por establecimiento:

• Utiliza modelos binomiales negativos de efectos mixtos.
• Cuentas para efectos aleatorios a nivel de instalación
• La inscripción de modelos cuenta directamente
• Adecuado para analizar los efectos a nivel de sistema sobre la capacidad de reclutamiento

 # Facility-level power analysis
facility_results <- run_power_facility(
  effect_sizes1 = c( 1.25 , 1.50 ),    # 25% and 50% increase in enrollment rate
  Ns = c( 30 , 45 , 60 ),               # Number of facilities per arm
  tau2_facility = 0.64 ,             # Facility-level variance
  mean_rate = 11                    # Average monthly enrollment rate
)

2. Análisis a nivel de participante

Este enfoque modela las probabilidades de inscripción individual, centrándose en cómo las intervenciones afectan la probabilidad de inscripción de los participantes minoritarios:

• Utiliza modelos logísticos de efectos mixtos.
• Incorpora la interacción entre la intervención y el estatus de minoría.
• Modela decisiones de inscripción individuales
• Adecuado para analizar los efectos diferenciales de la intervención.

 # Participant-level power analysis
participant_results <- run_power_participant(
  effect_sizes1 = c( 1.25 , 1.50 ),    # Main intervention effects
  effect_sizes2 = c( 1.75 , 2.00 ),    # Minority-specific effects
  Ns = c( 30 , 45 , 60 ),               # Facilities per arm
  minority_rate = 0.3 ,              # Expected minority enrollment proportion
  tau2_trial = 1.19                 # Trial-level variance
)

Características clave

Funciones de análisis a nivel de instalación

• Modela las tasas de inscripción utilizando una distribución binomial negativa
• Explicaciones de la sobredispersión en el recuento de inscripciones
• Incorpora efectos aleatorios de instalaciones.
• Estima el poder para detectar relaciones de tasas.

Funciones de análisis a nivel de participante

• Modela las probabilidades de inscripción mediante regresión logística.
• Prueba los efectos de la interacción con el estatus de minoría.
• Cuentas para agrupar dentro de las instalaciones
• Soporta diferentes tasas de inscripción de minorías

Funciones compartidas

• Procesamiento paralelo para eficiencia computacional
• Enfoques de simulación basados ​​en Bootstrap
• Pruebas de niveles de significancia múltiple (0,05, 0,01, 0,005)
• Visualizaciones listas para publicar
• Almacenamiento de resultados completo

Producción

El paquete proporciona resultados detallados para ambos tipos de análisis:

Salida numérica

• Estimaciones de potencia en múltiples niveles de significancia.
• Tasas de convergencia y diagnóstico de modelos.
• Estimaciones del tamaño del efecto e intervalos de confianza.
• Tablas resumen en formato CSV

Salida gráfica

• Curvas de potencia en tamaños de muestra
• Gráficos facetados por combinaciones de tamaños de efecto
• Visualizaciones de efectos de interacción.
• Figuras listas para publicar en formato PDF

Flujo de trabajo de ejemplo

minoRityPower) # 1. Facility-level analysis facility_results <- run_power_facility( effect_sizes1 = c(1.25, 1.50), Ns = c(30, 45, 60), tau2_facility = 0.64, R_boot = 1000 ) # 2. Participant-level analysis participant_results <- run_power_participant( effect_sizes1 = c(1.25, 1.50), # Main effects effect_sizes2 = c(1.75, 2.00), # Minority interaction effects Ns = c(30, 45, 60), minority_rate = 0.3, R_boot = 1000 ) # 3. View results print(facility_results$power_table) print(participant_results$power_table) # 4. Display plots print(facility_results$power_plot) print(participant_results$power_plot)">

library( minoRityPower )

# 1. Facility-level analysis
facility_results <- run_power_facility(
  effect_sizes1 = c( 1.25 , 1.50 ),
  Ns = c( 30 , 45 , 60 ),
  tau2_facility = 0.64 ,
  R_boot = 1000
)

# 2. Participant-level analysis
participant_results <- run_power_participant(
  effect_sizes1 = c( 1.25 , 1.50 ),    # Main effects
  effect_sizes2 = c( 1.75 , 2.00 ),    # Minority interaction effects
  Ns = c( 30 , 45 , 60 ),
  minority_rate = 0.3 ,
  R_boot = 1000
)

# 3. View results
print( facility_results $ power_table )
print( participant_results $ power_table )

# 4. Display plots
print( facility_results $ power_plot )
print( participant_results $ power_plot )

Referencias

Si utiliza este paquete, cite:

minoRityPower: Power Analysis for Healthcare System Interventions in Clinical Trial Enrollment}, year = {2024}, publisher = {GitHub}, version = {0.1.1}, url = {https://github.com/biostochastics/minoRityPower} }">

 @software { your_citation_2024 ,
  author       = { Sergey Kornilov } ,
  title        = { minoRityPower : Power Analysis for Healthcare System Interventions in Clinical Trial Enrollment } ,
  year         = { 2024 } ,
  publisher    = { GitHub } ,
  version      = { 0.1.1 } ,
  url          = { https://github.com/biostochastics/minoRityPower }
}

Licencia

Este proyecto tiene la licencia MIT; consulte el archivo de LICENCIA para obtener más detalles.

Contribuyendo

¡Las contribuciones son bienvenidas! Envíe problemas y solicitudes de extracción a través de GitHub.

Expresiones de gratitud

Este trabajo se desarrolló para respaldar la evaluación de intervenciones a nivel del sistema de salud para la aplicación del programa ARPA-H, centrándose en acelerar la inscripción en ensayos clínicos entre participantes minoritarios.