顶部
  1. 首页
  2. 图书产品
  3. 临床试验设计的统计方法​
收藏

临床试验设计的统计方法​

样章
作者：
尹国圣 石昊伦
定价：
79.00元
ISBN：
978-7-04-050829-1
版面字数：
430.000千字
开本：
特殊
全书页数：
暂无
装帧形式：
平装
重点项目：
暂无
出版时间：
2018-12-24
读者对象：
学术著作
一级分类：
自然科学
二级分类：
统计学
三级分类：
应用统计学
暂无
  • 前辅文
  • 第一章 统计学基础
    • 1.1 统计学在医学中的应用
    • 1.2 随机变量及统计分布
      • 1.2.1 离散型分布函数
      • 1.2.2 连续型分布函数
    • 1.3 多元统计分布
    • 1.4 Copula 函数
    • 1.5 中心极限定理与Delta方法
    • 1.6 频率学派的统计方法
      • 1.6.1 最大似然估计
      • 1.6.2 置信区间
      • 1.6.3 假设检验
    • 1.7 小结
  • 第二章 贝叶斯统计方法
    • 2.1 贝叶斯公式
    • 2.2 先验分布
      • 2.2.1 先验分布的类型
      • 2.2.2 共轭先验分布
      • 2.2.3 Jeffreys 先验分布
      • 2.2.4 参照先验分布
      • 2.2.5 基于历史数据的幂方先验分布
      • 2.2.6 相称先验分布
    • 2.3 可信区间
    • 2.4 Lindley 悖论
    • 2.5 p值与后验概率的关系
      • 2.5.1 连续型数据的假设检验
      • 2.5.2 两分类型数据的假设检验
    • 2.6 简单假设检验下p值与后验概率的比较
      • 2.6.1 平均p值与平均后验概率
      • 2.6.2 p值与后验概率的数值模拟比较
    • 2.7 贝叶斯因子
    • 2.8 贝叶斯模型平均方法
    • 2.9 贝叶斯分层模型
    • 2.10 贝叶斯广义矩方法
    • 2.11 统计决策理论
    • 2.12 马尔可夫链蒙特卡罗方法
      • 2.12.1 逆变换抽样法
      • 2.12.2 拒绝抽样法
      • 2.12.3 Gibbs 抽样法
      • 2.12.4 Metropolis--Hastings 算法
    • 2.13 小结
  • 第三章 广义线性模型
    • 3.1 线性模型
    • 3.2 广义线性模型
      • 3.2.1 指数分布族
      • 3.2.2 联接函数
      • 3.2.3 模型参数的估计
    • 3.3 贝叶斯学派的线性模型
    • 3.4 贝叶斯广义线性模型
    • 3.5 两分类型数据的潜变量模型
    • 3.6 小结
  • 第四章 生存分析
    • 4.1 基本概念
    • 4.2 Log-rank 检验
    • 4.3 指数分布下的生存模型
    • 4.4 Cox 比例风险模型
    • 4.5 可加风险模型
    • 4.6 加速失效时间模型
    • 4.7 加速风险模型
    • 4.8 分位数回归模型
    • 4.9 治愈率模型
    • 4.10 小结
  • 第五章 临床试验的简介及相关概念
    • 5.1 一期至四期临床试验的简介
      • 5.1.1 一期临床试验
      • 5.1.2 二期临床试验
      • 5.1.3 三期临床试验
      • 5.1.4 四期临床试验
    • 5.2 临床试验的基本概念与结构
      • 5.2.1 研究方案
      • 5.2.2 研究目标
      • 5.2.3 参与标准与病人招募
      • 5.2.4 统计效能及样本量的计算
      • 5.2.5 盲法
      • 5.2.6 随机化分组
      • 5.2.7 病人的不良反应
      • 5.2.8 收尾工作
  • 第六章 适应性随机化方法
    • 6.1 简介
    • 6.2 简单随机化分组
    • 6.3 排列区块随机化分组
    • 6.4 分层随机化分组
    • 6.5 基于协变量的适应性随机化分组
    • 6.6 偏币设计
    • 6.7 优者首选原则
      • 6.7.1 非随机化的优者首选原则
      • 6.7.2 随机化的优者首选原则
    • 6.8 劣者淘汰原则
    • 6.9 最优适应性随机化分配
      • 6.9.1 两分类型数据
      • 6.9.2 连续型数据
      • 6.9.3 生存时间型数据
    • 6.10 双重适应性的偏币设计
    • 6.11 贝叶斯适应性随机化分配
      • 6.11.1 固定参照的适应性随机化分配
      • 6.11.2 移动参照的适应性随机化分配
    • 6.12 权衡疗效与毒性的适应性随机化分配
      • 6.12.1 疗效数据的生存模型
      • 6.12.2 毒性数据的Probit 模型
      • 6.12.3 疗效与毒性的权衡
    • 6.13 固定与适应性随机化分配的比较
    • 6.14 小结
  • 第七章 一期临床试验设计的统计方法
    • 7.1 药物的最大耐受剂量
    • 7.2 药物剂量的确定
    • 7.3 3+3设计
    • 7.4 持续再评估方法(CRM)
      • 7.4.1 CRM 模型
      • 7.4.2 先验与后验分布
      • 7.4.3 剂量探寻算法
      • 7.4.4 试验模拟
    • 7.5 基于贝叶斯模型平均的持续再评估方法
      • 7.5.1 CRM 骨架
      • 7.5.2 BMA-CRM
      • 7.5.3 剂量探寻算法
      • 7.5.4 试验模拟
      • 7.5.5 BMA-CRM 设计的敏感性分析
    • 7.6 控制过高剂量的递增设计
    • 7.7 贝叶斯最优区间设计
    • 7.8 稳健最优区间设计
      • 7.8.1 复合假设检验
      • 7.8.2 试验模拟
    • 7.9 控制过高剂量的非参数方法
      • 7.9.1 非参数概率模型
      • 7.9.2 剂量探寻算法
      • 7.9.3 试验模拟
    • 7.10 小结
  • 第八章 延迟型毒性结果的剂量探寻方法
    • 8.1 延迟效应与数据缺失问题
    • 8.2 分数化持续再评估方法
      • 8.2.1 删失数据的重新加权
      • 8.2.2 分数化CRM
    • 8.3 时间跟进型持续再评估方法
      • 8.3.1 加权二项似然函数
    • 8.4 试验模拟
    • 8.5 小结
  • 第九章 联合用药的剂量探寻方法
    • 9.1 联合用药的目的
    • 9.2 联合用药的难点
    • 9.3 联合用药剂量探寻方法的简介
    • 9.4 分级亚组试验设计
    • 9.5 Copula 模型设计
      • 9.5.1 Clayton 模型
      • 9.5.2 多药物联合试验
      • 9.5.3 剂量探寻算法
      • 9.5.4 试验模拟
    • 9.6 列联表设计
      • 9.6.1 二元变量下的列联表
      • 9.6.2 列联表设计
      • 9.6.3 试验模拟
    • 9.7 列联表方法与Copula 模型的关系
    • 9.8 贝叶斯最优区间设计
      • 9.8.1 双药联用BOIN 设计
      • 9.8.2 双药联用ROI 设计
    • 9.9 抽样聚集再评估方法
      • 9.9.1 动态排序
      • 9.9.2 抽样聚集CRM
      • 9.9.3 剂量探寻算法
      • 9.9.4 试验模拟
    • 9.10 一期与二期无缝双药联用试验
      • 9.10.1 一期与二期无缝设计
      • 9.10.2 试验模拟
    • 9.11 小结
  • 第十章 二期临床试验设计的统计方法
    • 10.1 Simon 二阶段试验设计
    • 10.2 贝叶斯二阶段设计
      • 10.2.1 贝叶斯二阶段设计: 两分类型数据
      • 10.2.2 贝叶斯二阶段设计: 生存时间型数据
    • 10.3 基于贝叶斯后验概率的二期临床试验设计
    • 10.4 基于贝叶斯预测概率的二期临床试验设计
    • 10.5 随机化二期临床试验的预测监控
    • 10.6 二元结果的贝叶斯二期临床试验设计
      • 10.6.1 双变量二元结果
      • 10.6.2 试验停止界限
    • 10.7 无缝单臂转双臂式的二期临床试验设计
      • 10.7.1 假设检验
      • 10.7.2 无效性停止界限
      • 10.7.3 可测疗效差异
      • 10.7.4 设计参数的确定
    • 10.8 贝叶斯单臂转双臂式的转换假设检验的试验设计
      • 10.8.1 转换假设检验的试验设计
      • 10.8.2 频率学派下的错误率
      • 10.8.3 设计参数的确定
    • 10.9 一期与二期无缝接轨试验
      • 10.9.1 主要目的
      • 10.9.2 似然函数与先验分布
      • 10.9.3 优势比与剂量探寻算法
      • 10.9.4 试验模拟
    • 10.10 小结
  • 第十一章 三期临床试验的统计方法
    • 11.1 简介
    • 11.2 假设检验
      • 11.2.1 三期临床试验的分类
    • 11.3 优效性与非劣效性试验的比较
    • 11.4 连续型数据的样本量计算
      • 11.4.1 差异性检验
      • 11.4.2 优效性试验
      • 11.4.3 非劣效性试验
      • 11.4.4 等效性试验
    • 11.5 两分类型数据的样本量计算
      • 11.5.1 差异性检验
      • 11.5.2 基于合并样本方差的样本量
      • 11.5.3 基于单独样本方差的样本量
      • 11.5.4 优效性试验
      • 11.5.5 非劣效性试验
      • 11.5.6 等效性试验
    • 11.6 生存时间型数据的样本量计算
      • 11.6.1 生存曲线的比较
      • 11.6.2 指数分布下的样本量计算
    • 11.7 因果关系与目标分析人群
      • 11.7.1 因果关系推断和反事实变量
      • 11.7.2 目标分析人群
    • 11.8 小结
  • 第十二章 成组序贯设计
    • 12.1 成组序贯方法
      • 12.1.1 多重检验
      • 12.1.2 Pocock 设计
      • 12.1.3 O'Brien--Fleming 设计
      • 12.1.4 信息的累积与渐近分布
      • 12.1.5 临界常量的计算
      • 12.1.6 样本量与扩充倍数
      • 12.1.7 无效性停止界限
      • 12.1.8 重复置信区间
    • 12.2 贝叶斯随机化试验
      • 12.2.1 贝叶斯设计
      • 12.2.2 第一类与第二类错误率
    • 12.3 贝叶斯设计的第一类错误率
      • 12.3.1 贝叶斯设计的多重检验问题
      • 12.3.2 控制第一类错误率: 两分类型数据
      • 12.3.3 后验概率的阈值
      • 12.3.4 控制第一类错误率: 连续型数据
      • 12.3.5 试验案例
    • 12.4 基于贝叶斯决策理论的成组序贯设计
      • 12.4.1 损失函数
      • 12.4.2 反向推演算法
      • 12.4.3 试验模拟
    • 12.5 贝叶斯适应性成组序贯设计
      • 12.5.1 损失函数
      • 12.5.2 单步反向推演算法
      • 12.5.3 损失函数与频率学派第一类错误率的关系
      • 12.5.4 试验模拟
    • 12.6 小结
  • 第十三章 适应性试验设计
    • 13.1 设计目的
    • 13.2 Fisher 组合检验
    • 13.3 条件效能
    • 13.4 适应性成组序贯设计
    • 13.5 自行设计的试验方法
    • 13.6 小结
  • 参考文献

相关图书

结构方程模型：方法与应用（第二版）

王济川，王小倩，姜宝法

￥0.00 收藏

结构方程模型：方法与应用（第二版）

王济川，王小倩，姜宝法

￥0.00 收藏

观察性研究的设计(第二版)

Paul R. Rosenbaum 著 杨伟 周晓华 韩开山 邓宇昊 译

￥119.00 收藏

诊断医学中的统计学方法

侯艳, 李康, 宇传华, 周晓华

￥89.00 收藏

递归划分方法及其应用

Heping Zhang, Burton H.Singer 著，王学钦 译

￥69.00 收藏

随机模拟的方法和应用

周永道 贺平 宁建辉 方开泰

￥69.00 收藏