gms | German Medical Science

50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds)
12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie (dae)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie
Deutsche Arbeitsgemeinschaft für Epidemiologie

12. bis 15.09.2005, Freiburg im Breisgau

Verblindete Fallzahladjustierung in multizentrischen Studien

Meeting Abstract

Search Medline for

  • Katrin Jensen - Institut für Medizinische Biometrie und Informatik, Universität Heidelberg, Heidelberg
  • Meinhard Kieser - Fachbereich Biometrie, Dr. Willmar Schwabe Arzneimittel, Karlsruhe

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. Deutsche Arbeitsgemeinschaft für Epidemiologie. 50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie. Freiburg im Breisgau, 12.-15.09.2005. Düsseldorf, Köln: German Medical Science; 2005. Doc05gmds289

The electronic version of this article is the complete one and can be found online at: http://www.egms.de/en/meetings/gmds2005/05gmds261.shtml

Published: September 8, 2005

© 2005 Jensen et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Die Fallzahl, die zum Erreichen einer vorgegebenen Power in einer klinischen Studie benötigt wird, hängt vom Signifikanzniveau, dem zu entdeckenden klinisch relevanten Effekt und der Varianz der Zielgröße ab. Die Werte der Power, des Fehlers 1. Art und des klinisch relevanten Effektes sind vorgegebene Größen. Hingegen ist bei normalverteilten Daten die Varianz maßgeblich von Faktoren beeinflusst, die für die gegebene Studie spezifisch sind. Werden Schätzer dieser Parameter aus anderen Studien zur Fallzahlkalkulation verwendet, führt dies zu einer großen Unsicherheit über die wahre Power der Studie. Im Design mit interner Pilotstudie [1] werden Störparameter aus den Daten der laufenden Studie geschätzt, und die Fallzahl wird, wenn nötig, entsprechend angepasst. Regulatorische Guidelines sehen vor, die Varianzschätzung ohne Entblindung der Therapie-gruppenzugehörigkeit durchzuführen [2].

Bei multizentrischen Studien wurde die Methode der verblindeten Fallzahlschätzung bislang nur für Varianzschätzer, die mit einem EM-Algorithmus-basierten Verfahren [3] ermittelt wurden, untersucht [4]. Es wurde mittlerweile jedoch gezeigt, dass dieses Verfahren bereits in der t-Test-Situation nicht geeignet zur verblindeten Fallzahladjustierung ist [5]. Im Vortrag wird ein geeigneter verblindeter Varianzschätzer für Multizenterstudien vorgestellt. Abhängig vom verwendeten Auswertungsverfahren hat in multizentrischen Studien auch die Verteilung der Gesamtfallzahl über die teilnehmenden Zentren einen Einfluss auf die erzielte Power. Auch dieser Parameter ist in der Planungsphase in aller Regel mit großer Unsicherheit behaftet und kann im Studienverlauf zur Fallzahlrekalkulation geschätzt werden. In Simulationsstudien werden Eigenschaften der resultierenden Methode zur verblindeten Fallzahladjustierung, insbesondere im Hinblick auf den Fehler 1. Art und die Power, untersucht.


Literatur

1.
Wittes J, Brittain E. The role of internal pilot studies in increasing the efficiency of clinical trials. Stat Med 1990; 9: 65-72.
2.
International Conference on Harmonization of Technical Requirements for Registration of Pharmaceuticals for Human Use. ICH harmonized tripartite guideline: Statistical principles for clinical trials. Stat Med 1999; 18: 1905-1942.
3.
Gould AL, Shih WJ. Sample size re-estimation without unblinding for normally distributed outcomes with unknown variance. Com Stat (A) 1992; 21: 2833-2853.
4.
Shih WJ, Long J. Blinded sample size re-estimation with unequal variances and center effects in clinical trials. Comm Stat (A) 1998; 27: 395-408.
5.
Friede T, Kieser M. On the inappropriateness of an EM algorithm based procedure for blinded sample size re-estimation. Stat Med 2002; 21: 165-176.