本篇内容总结了R语言中专门用于临床试验设计、检测以及分析的R包. 侧重于临床试验设计的一般检测方案,以及特定类型的临床数据分析.同时介绍了一些临床数据分析中重要的R包.
设计与检测
_
TrialSize: 包含超过80个函数方程, 收录在Sample Size Calculations in Clinical Research (Chow & Wang & Shao, 2007, 2nd ed., Chapman &Hall/CRC)中
asd:通过使用早期治疗结果选择, 模拟高级无缝设计.
bcrm:实现单个参数和双参数的贝叶斯CRM设计.可实现交互式结果.
blockrand:创建随机临床试验. 可输出PDF文件作为随机卡片.
clusterPower:使用蒙特利尔方法模拟, 计算随机试验的影响效果.
conf.design:用于计算复杂的分数设计.
CRTSize:包括传统的power-based methods、meta-analysis等,用于随机试验中的聚类评估.
dfcrm:对CRM和TITE-CRM进行解析.
ewoc:Babb, Rogatko and Zacks (1998)药剂过量分析.
模拟临床试验进程中下一剂量的状况, 得到操作特性.
experiment:临床试验工具.例如,随机试验以及一些专门的临床分析选项.
FrF2:线性、非线性部分因子设计.
GroupSeq:使用alpha spending方法,对数据集的组、子序列进行计算.
gsDesign:推导数据子序列设计, 并描述特性.
ldbounds:使用Lan-DeMets Method 计算成组序列试验.提供了大量函数用于计算亚组的边界和概率.
Mediana:基于Clinical Scenario Evaluation(CSE)方法,提供了一个通用框架用于模拟临床试验.该R包支持多种数据类型、分析决策以及关键评估.
PIPS:使用数据和假设理论,预测未来数据分布、绘制区间、模拟置信区间
PowerTOST:计算多种类型临床试验设计的影响、样本大小.
pwr:line of Cohen(1988)的影响分析
qtlDesign:QTL试验分析与设计
samplesize:均衡/非均衡的Student‘s t-test样本大小, Wilcoxon-Mann-Whitney test方法计算分类数据.
设计与分析
_
AGSDest:亚组试验参数评估
clinfun:临床试验、分析工具.包括Fisher's exact test等,可计算亚组的试验.包括临床II期、临床III期试验.
CRM:临床I期Continual Reassessment Method(CRM)模拟
dfpk:包括药物动力学测量在内的统计方法,包括了临床I期的诸多模型,和关系参数、层级模型.该R包提供了一组函数产生数据,用于模拟和决策最大耐受计量.
dfped:儿科药物剂量试验设计与数据分析.包括药物动力学、贝叶斯模型等.
DoseFinding:制药临床II期的药物计量计算.包括multiple contrast test、非线性药物反馈模型等.
MCPMod:dose-response研究的方法与分析.
TEQR:The target equivalence range(TEQR)、modified toxicity probability interval (mTPI) design、standard 3+3 design (3+3)
ThreeArmedTrials:three-arm non-inferiority、
superiority trials、gold-standard design、试验性治疗
专用分析工具
_
adaptTest:自适应二期测试.包括了四个测试:Bauer and Koehne (1994), Lehmacher and Wassmer (1999), Vandemeulebroecke (2006), and the horizontal conditional error function. User-defined tests can also be implemented. Reference: Vandemeulebroecke, An investigation of two-stage tests, Statistica Sinica 2006.
clinsig:临床中带有参数或非参Jacobson-Truax评估
nppbib:非参统计检测,计算部分均衡不完全组的试验结果的数据范围
speff2trial:计算或评估数据范围, 定量或二分数端点非参统计检验.
ThreeGroups:由Gerber, Green, Kaplan, and Kern (2010).提出的, three-group designs中three-group designs
通用分析方法
_
基础R: R中自带了大量高效函数用于计算和分析临床试验.例如:chisq.test, prop.test, binom.test, t.test, wilcox.test, kruskal.test,mcnemar.test, cor.test, power.t.test, power.prop.test, power.anova.test, lm, glm, nls, anova (and its lm and glm methods)
asypow:计算相关性、渐进可能性比率方法.
binomSamSize:计算置信区间、 伯努利分布所需的必要样本大小
coin:双样本、K-sample、非线性ANOVA等方法,相关检测、排序、多变量等问题.
epibasix:流行病学、生物统计学随机试验分析.
Hmisc:包括了大约200个函数,用于高维数据图像、样本计算、缺失值处理、数据标柱、聚类等.可使用LaTeX和S代码.
multcomp:在参数分析中,计算线性和非线性的对比试验、置信区间
survival:描述统计学、双样本检验、参数失效模型、Cox模型等模型.Case-cohort设计.
ssanv:双样本差异中的样本大小计算.调整由于数据与参数的不匹配.
Meta-Analysis
_
metasens:统计方法,并调整meta分析中的偏差.
meta:修正随机影响的meta分析,包括检验、偏差、森林、漏斗图绘制.
metafor:meta分析.修正了随机影响的模型、线性模型,2x2表格数据, Mantel-Haenszel and Peto's method
rmeta:双样本中的meta分析随机影响修正.绘制标准的统计图,检测相关性和异质性.
来源：R语言数据分析与实践
转自：“斐然智达SCI学术服务”微信公众号
如有侵权，请联系本站删除！
