机器算法验证 - 使用逻辑回归的非劣效性 - 吾爱随笔录

使用逻辑回归的非劣效性

机器算法验证回归物流统计学意义临床试验非自卑

2022-03-26 16:11:42

从回归模型和重复测量设计中的等效性和非劣效性测试一文中，获取了以下图形。

我对两个比例（差异）之间的非劣效性检验感兴趣，比如和，其中 T 是新治疗，S 是标准。我愿意接受新的治疗比标准差不超过0.05。我还有一个需要控制的变量，因此想要使用回归。将此变量称为。 $p_{T}$ $p_{S}$ $C$

所以，我相信根据这张图，如果我适合逻辑回归模型：

$logit(p) = \beta_{0} + \beta_{1}C + \beta_{2}Treatment$

其中治疗编码为 1 表示治疗，0 表示标准，如果大于 -0.05，则的置信区间下侧的取幂是否会得出治疗不劣于标准的结论？ $\beta_{2}$

1个回答

不，逻辑回归系数的指数产生优势比。因此，您必须将优势比的置信区间 (CI) 与 1 进行比较。如果回归中的结果是不良事件计数，则 CI 的上侧必须小于 1.05 才能暗示非劣效性。

然而，通常的做法似乎不是对优势比而是对两个比例的差异施加非劣效性界限。例如，如果我们希望这两个比例的差异不超过 15%，那么优势比的非侵权界限将为 0.55（或 1/0.55）。参见 Tunes da Silva G、Logan BR、Klein JP。等效性和非劣效性检验方法。Biol 骨髓移植。2009；15（1 增刊）：120-127。doi:10.1016/j.bbmt.2008.10.004 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2701110/

类似地，对于 Cox 回归，生存概率差异的非劣性界限为 10%，得出回归指数系数的上限为 1.31。请参阅上述论文。

阿尔图尼安等人。写：

“在非劣效性试验的分析中有多种应用，但监管机构推荐的方法，如美国食品和药物管理局 (FDA)，是比较新药估计的 95% 置信区间 (CI)与活性比较从非劣效性试验到预定界限。如果 CI 完全低于界限（例如，对于效果测量，效果越大，结果越差），可以得出新药与活性比较的非劣效性结论。” https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5510081/

一些作者建议使用 90% CI 而不是 95% CI。例如，参见 Tunes da Silva 等人提到的论文。或 https://www.ncss.com/wp-content/themes/ncss/pdf/Procedures/NCSS/Two-Sample_Non-Inferiority_Tests_for_Survival_Data_using_Cox_Regression.pdf

的单边测试。但是许多方法学家支持使用进行单边测试。 $\alpha=5\%$ $\alpha=2.5\%$

其它你可能感兴趣的问题

上一篇处理用于回归的不平衡/零膨胀训练示例下一篇在热编码变量或单因素变量上运行 xgboost 是否有区别？