multiarm

멀티 아름

설명

multiarm 단일 단계 및 다단계 멀티 암 임상 시험의 설계를 지원하는 기능을 제공합니다. 두 경우 모두 사용 가능한 기능은 샘플 크기 결정, 시험 시뮬레이션, 분석 작동 특성 계산 및 여러 유익한 플롯의 생성을 허용합니다.

단일 단계 시험을 설계하기 위해 R 빛나는 그래픽 사용자 인터페이스도 사용할 수 있습니다. multiarm::gui() 사용하여 r 내에서 또는 https://mjgrayling.shinyapps.io/multiarm에서 온라인으로 액세스 할 수 있습니다. 이 앱에 대한 추가 정보는 Grayling and Wason (2020)에서 찾을 수 있습니다.

시작하기

Github에서 multiarm 의 최신 개발 버전을 다음과 같이 설치할 수 있습니다.

 devtools :: install_github( " mjg211/multiarm " )

패키지의 핵심 기능 중 일부를 사용하는 방법에 대한 소개 예는 아래에서 찾을 수 있습니다. 단일 단계 디자인에 대한보다 자세한 지원은 vignette("single_stage", package = "multiarm") 로 액세스 할 수있는 패키지 비네팅에서 제공됩니다. Grayling and Wason (2020)도 참조하십시오. 추가 도움을 받으려면 [email protected]로 이메일을 보내주십시오.

세부

총 46 개의 기능이 현재 사용할 수 있습니다. 그들의 이름 지정 규칙은 여러 캐릭터 문자열이 함께 결합되어 밑줄로 분리됩니다. 첫 번째 문자열은 함수의 목적을 나타냅니다 (즉, 수행하는 계산 유형) :

• build_###_###() : des_###_###() 함수에 의해 반환 된 것과 같은 다중 암 임상 시험 디자인 객체를 빌드하십시오. 특정 디자인이 관심을 가질 때 사용합니다.
• des_###_###() : 특정 유형의 다중 암 임상 시험 설계에 필요한 샘플 크기를 결정하십시오.
• gui() : 결정을 설계하기위한 그래픽 사용자 인터페이스를 제공합니다.
• opchar_###_###() : 다변량 정상 통합을 통해 제공된 다중 암 임상 시험 설계의 작동 특성 (전력, 가족 별 오류 등)을 결정합니다.
• plot.multiarm_des_###_###() : 제공된 다중 암 임상 시험 설계와 관련된 유익한 플롯 (파워, 허위 발견 속도 곡선 등)을 생성합니다.
• sim_###_###() : 시뮬레이션을 통해 제공된 다중 암 임상 시험 설계의 작동 특성 (전력, 가족 별 오류 등급 등)을 경험적으로 추정합니다.

두 번째는 디자인을 나타냅니다.

• ###_dtl_###() : 다단장 드롭-로저 디자인과 관련이 있습니다. 예를 들어, Wason et al (2017).
• ###_gs_###() : Group-Seartential Multi-Arm Multi-Stage 디자인과 관련이 있습니다. 예를 들어, Magirr et al (2012).
• ###_ss_###() : 단일 단계 디자인과 관련이 있습니다. 예를 들어, Grayling and Wason (2020)을 참조하십시오.

세 번째는 기능의 결과 유형을 나타냅니다.

• ###_###_bern() : Bernoulli 분산 1 차 결과를 가정합니다.
• ###_###_norm() : 정규 분포 된 1 차 결과를 가정합니다.
• ###_###_pois() : Poisson 분포 1 차 결과를 가정합니다.

예 : 정규 분포 결과를위한 단일 단계 설계

일반적으로 des_###_###() 함수는 먼저 관심있는 시험 매개 변수에 대한 설계를 식별하는 데 사용됩니다. 예를 들어, 단일 단계 시험을 설계하는 것을 고려하십시오.

• 3 개의 실험 처리 암 ( K 참조).
• Dunnett의 수정을 사용하여 제어하여 최대 5%의 가족 별 오류율을 원합니다 ( alpha 및 correction 참조).
• 임상 적으로 관련된 차이 1에 대해 각 귀무 가설을 80% 거부하려는 한계의 힘을 원합니다 ( beta , delta1 및 power 참조).
• 모든 응답의 표준 편차가 1이라고 가정합니다 ( sigma 참조).
• 환자를 각 팔에 똑같이 할당합니다 ( ratio 참조).

디자인을 계산하기 위해 다음을 실행합니다.

 des <- des_ss_norm( K          = 3 ,
                   alpha      = 0.05 ,
                   beta       = 0.2 ,
                   delta1     = 1 ,
                   sigma      = rep( 1 , 4 ),
                   ratio      = rep( 1 , 3 ),
                   correction = " dunnett " ,
                   power      = " marginal " )

그런 다음 필요한 총 샘플 크기는 다음과 같습니다.

 des $ N
# > [1] 67.42534

또한, 글로벌 널 , 글로벌 대안 및 최소한 유리한 구성 에 따른 운영 특성은 다음과 같이 액세스 할 수 있습니다.

 des $ opchar
# > # A tibble: 5 x 20
# >    tau1  tau2  tau3   Pdis    Pcon     P1     P2     P3 FWERI1  FWERI2  FWERI3
# >   <dbl> <dbl> <dbl>  <dbl>   <dbl>  <dbl>  <dbl>  <dbl>  <dbl>   <dbl>   <dbl>
# > 1     0     0     0 0.0501 0.00109 0.0196 0.0196 0.0196 0.0501 0.00774 0.00109
# > 2     1     1     1 0.950  0.611   0.800  0.800  0.800  0      0       0      
# > 3     1     0     0 0.800  0.00330 0.800  0.0196 0.0196 0.0360 0.00330 0      
# > 4     0     1     0 0.800  0.00330 0.0196 0.800  0.0196 0.0360 0.00330 0      
# > 5     0     0     1 0.800  0.00329 0.0196 0.0196 0.800  0.0360 0.00330 0      
# > # … with 9 more variables: FWERII1 <dbl>, FWERII2 <dbl>, FWERII3 <dbl>,
# > #   PHER <dbl>, FDR <dbl>, pFDR <dbl>, FNDR <dbl>, Sens <dbl>, Spec <dbl>

유용한 플롯은 다음과 같이 plot.multiarm_des_ss_norm() 으로 생성 될 수 있습니다.

plot( des )

참조

Grayling MJ, Wason JMS (2020) 다중 암 임상 시험 설계를위한 웹 응용 프로그램. BMC 암 20:80. doi : 10.1186/s12885-020-6525-0. PMID : 32005187.

Magirr D, Jaki T, Whitehead J (2012) 치료 선택을 통한 다중 암 다중 단계 임상 연구에 대한 일반화 된 Dunnett 테스트. Biometrika 99 (2) : 494–501. doi : 10.1093/biomet/ass002.

Wason J, Stallard N, Bowden J, Jennison C (2017) 다중 암 임상 시험을위한 다단계 드롭-로저 디자인. STAT Meth Med Res 26 (1) : 508–524. doi : 10.1177/096280214550759. PMID : 25228636.