常用实验设计类型和方法PPT课件.ppt

常用实验设计类型与分析方法 1.研究设计以最少的人力、物力和时间，最大限度地获得丰富、准确、可靠的信息与结论。研究设计：专业设计与统计设计专业设计：选题，建立假说、确定研究对象和技术方法等。统计设计：围绕专业设计，确定统计设计类型、样本大小、分组方法、统计分析指标及统计分析方法等，2.根据处理因素、控制因素和实验单位的特征，实验设计方法又有许多不同的类型。实验设计是关于数据采集、统计方法应用和得出结论的关键步骤。如实验设计出现错误，不论用什么统计方法进行数据处理也无法得到正确的结论。因此，在医学科研中只要条件允许，应尽量在良好的实验设计的基础上采集数据。医学研究中常用的实验设计类型和方法有以下十几种。3.一、基本概念l总体与样本（注意：样本要有代表性）总体（population）是指根据研究目的所确定的所有同质的观察个体的集合（全体），样本（sample）是指来自总体的部分观察个体。l处理因素与非处理因素、水平处理因素（实验因素、研究因素，简称因素），是指在实验中根据研究目的而施加给实验对象的各种人为设置的干预措施。非处理因素是指实验中非人为干预的因素，如实验动物的雌雄、体重，受试者的性别、年龄、病情，实验时的季节、气温等。应特别注意那些对实验结果有影响的非处理因素。平衡处理组间的非处理因素是实验设计的重要内容之一。各因素所处的不同状态称为水平（level），一个处理因素往往可分为若干个水平，而水平数的多少是确定实验组数的依据。4.l实验单位与观察单位 实验单位（experimental experimental unitunit）是指接受处理的基本单位。观察单位（observational observational unitunit）是指根据研究需要确定的采集数据的基本单位。一个实验单位可以有多个观察单位。注意：处理间的差异应在实验单位中比较。l单独效应、主效应与交互作用 单独效应(simple(simple effect)effect)是指其他因素的水平固定时，同一因素不同水平间的平均差别。主效应(main(main effect)effect)指某一因素各水平间的平均差别。当某因素的各个单独效应随另一因素水平的变化而变化，且相互间的差别超出随机波动范围时，则称这两个因素间存在交互作用(interaction)(interaction)。注意：在统计分析时，若存在交互作用，须逐一分析各因素的单独效应。反之，如果不存在交互作用，则两因素的作用相互独立，分析某一因素的作用只需考察该因素的主效应。5.l检验效能 检验效能（power power of of a a testtest），又称把握度（powerpower），记作1-1-，指当两个（或几个）总体存在差异时，经假设检验能够发现该差异的可能性大小。与 、N 有关。假设检验为“阴性”结论（P0.05)时,不能 简单地下“处理无效”的结论，而应该检查一下 是否是检验效能不足。6.7.实验设计的基本原则实验设计的作用主要是减小误差、提高实验的效率。因此，从统计方面说，根据误差的来源，在设计时必需遵守三个基本统计学原则，即对照（control）原则、随机化（randomization）原则及重复（replication）原则。重复和对照也是观察性研究必须遵循的原则，唯有随机化分组是实验性研究的显著特征。8.随机化分组步骤1.将N个实验单位从1到N编号。如动物可按体重大小、患者可按就诊顺序。2.取随机数字，随机数字的位数一般要求与N相同。3.将读取的N个随机数字按分组要求划分区段。即：根据随机数所在区间决定实验单位应接受的处理。例如，按二位随机数分两组时，可规定随机数0049为第1组，5099为第2组；分三组时，0133为第1组，3466为第2组，6799为第3组，余类推。同理，如按2：1的比例分两组，则01-66为第1组，67-99为第2组。另外，分两组时，亦可按随机数的奇、偶决定组别。也可将读取的N个随机数从小至大排顺序，得到N个序号R，再根据R进行分组，即按R所在区间决定实验单位应接受的处理。9.4.有必要时可对分组结果进行组别调整。假如共有n例，需要从中抽取1例，则读取一个位数与n相等的随机数，除以n后将得到的余数作为所抽实验单位的序号（规定：如整除则余数为n）。10.常用随机化分组方法 简单随机化分段随机化分层随机化 简单随机化：设A和B分别代表处理组和对照组。分组步骤是先将受试对象（如动物、患者）按体重大小（或就诊顺序）编号，然后给每个受试者一位随机数，并规定0-4者分配到A组，5-9者分配到B组。11.例将一批受试对象随机分为两组。受试者编号123456789随机数405728193分配组别AABBABABA对两组以上时，如分三组时可规定随机数1-3为A组，4-6者为B组，7-9者为C组，随机数为0时略去。同理，分四组可规定随机数1-2者为A组，3-4者为B组，5-6者为C组，7-8者为D组，随机数为0和9时略去。12.简单随机化分组方法不能保证分组后各组例数相等，但当受试对象总例数较多时（如N200），两组例数相差悬殊的概率较小。尽管如此，在正式试验前最好先检查一下随机分配表（即分组过程及结果表）中各组例数是否大致相当。如果发现相差悬殊（如100例分两组，A组15例，B组85例），可以重新制定随机化分配表。有些研究希望各组例数相同。当各组例数不相等时，可从例数较多的组中随机抽取一部分受试者补充到例数较少的组，使各组例数相等。13.例例 若若 将将 2020个个 实实 验验 单单 位位 随随 机机 等等 分分 为为 四四 组组。对对2 2位位随随机机数数字字规规定定，00240024为为甲甲组组，25492549为为乙乙组组，50745074为丙组，为丙组，75997599为丁组，分组结果如下：为丁组，分组结果如下：(346)(346)编号12345678910随机数47503629023193712347组别乙丙乙乙甲乙丁丙甲乙调整丁丁编号11121314151617181920随机数23460426696125549018组别甲乙甲乙丙丙乙丙丁甲调整丁14.甲组5例，乙组8例，丙组5例，丁组2例，需要从乙组中再抽出3例放入丁组。按组别调整步骤，读一随机数3，除以8（乙组例数）后，余数为3，则将乙组中第3例（第4号）放入丁组。同理，再读一随机数4，除以7（乙组现有7例），余数为4，再将乙组中第4例（第10号）放入丁组。最后再读一随机数6，除以6（乙组现有6例），余数为6，将乙组第6例（第17号）放入丁组。15.常用单因素实验设计类型和方法（一）完全随机设计（completelyrandomdesign）优点：简单易行，统计分析简单，即使各处理组例数不等，也不影响实验结果的统计分析，常用检验、方差分析或Kruskal-Wallis秩和检验进行统计分析。缺点：试验效率不高，只能分析单个因素，且要求实验单位有较好的同质性，如果同质性不好，则需要观察较多的样本量。16.随机分组步骤：（N=16，G=4）实验单位编号：1 2 3 4 5 6 7 8 随机数：76 63 10 21 85 90 63 08R 14 12 3 5 15 16 13 2处理 T4 T3 T1 T2 T4 T4 T4 T1 实验单位编号：9 10 11 12 13 14 15 16随机数：27 54 31 03 13 61 24 37R 7 10 8 1 4 11 6 9处理 T2 T3 T2 T1 T1 T3 T2 T3 17.15 11 2 12 10 7 14 8 16 13 6 3 9 5 1 4 干预 随机数大小序号（R）实验单位编号T1T2T3T4实验单位属 性3，8，12，134，9，11，152，10，14，161，5，6，7分组的均衡性比较18.1174T122 2210T333 3112T344 158T255 87T266 3514T477 179T388 2211T399 32T11010 53T11111 75T21212 21T11313 3113T41414 86T21515 3615T41616 4616T4 No RAN rRAN groupTransform-Random Number Seed-Set seed to 2000000(默认)-Transform-Compute-Target Variable 填入ran(变量名)-Numeric Expression：填入UNIFORM(50)0X-OKTransform-Rank Cases-Variable 填入ran-OK(自动产生序号rran,完成分组,group)19.统计分析数据表：16行2列(dependent +factor )反应变量 处理因素 反应变量 处理因素(瘤重g,y)(药物浓度,T)y T 3.6 1 0.4 3 4.5 1 1.7 3 4.2 1 2.3 3 4.4 1 4.5 3 3.0 2 3.3 4 2.3 2 1.2 4 2.4 2 0.0 4 1.1 2 2.7 4One-Way ANOVA20.（二）随机单位组设计（randomizedblockdesign）亦称配伍组设计或随机区组设计，实际上是配对设计（将多方面条件近似的受试对象配成对子）的扩大，也是对完全随机设计的改进（即加强了均衡可比性）。而这种设计是将多方面条件相同或相近的受试对象组成单位组（blockblock，亦称区组或配伍组），适用于三组或三组以上的实验。每个随机单位组的受试对象数目取决于处理的数目。如果一个实验安排了四种不同处理，那么每个单位组就应有四个受试对象。有多少个单位组，则每种处理就可以分配到多少个受试对象。21.优点：条件一致或相近的受试对象组成同一单位组（非随机），并随机分配于各处理组中，使处理组间的可比性更强，能改善组间生物学特点的均衡性，既缩小了误差，又可分析出处理组间与配伍组间两因素的影响，实验效率较高。缺点：分组较繁，要求单位组内实验单位数与处理数相同，有时实际应用有一定困难。实验结果中若有缺失，统计分析较麻烦。结果分析：方差分析、Friedman秩和检验22.1.1.实验设计方法 (1)(1)将实验单位按照其自然属性或某个非处理因素形成n n个单位组，每个单位组含有k k个实验单位。(2)在每个单位组内随机分配k k种处理。k=2k=2时为配对设计。实验单位的自然属性：动物的窝别（同窝的k k只动物）、受试者的体重（体重相近的k k个受试者）等。要选择对试验结果影响较大的非处理因素形成单位组，如研究小鼠吃不同饲料后的体重增长情况，可将体重相近的小鼠配成单位组，在临床试验中可将病情基本相同的患者配成单位组。遵循“单位组间差别越大越好，单位组内差别越小越好”的原则。23.随机单位组设计（N=12，b=3，k=4）1 4 1 3 2 2 1 3 4 2 4 3 单位组 干预（随机数大小序号，R）24.1117122122333131444115255281662354772172882223993321010 3531111 3741212 321 No block RAN rRAN Transform-Random Number Seed-Set seed to 2000000(默认)-Transform-Compute-Target Variable 填入ran(变量名)-Numeric Expression：填入UNIFORM(50)0X-OKTransform-Rank Cases-Variable 填入ran By填入block-OK(自动按block产生序号rran,完成分组)25.方差分析选择单位组的原则是“单位组间差别越大越好、单位组内的差别越小越好。”如果单位组选择不当使单位组间的差别很小，由于单位组占用了n-1n-1个自由度，反而增加了误差均方。如表a a的试验结果，按随机单位组方差分析（表b b），误差均方为8.188.18，若将单位组DFDF和SSSS与误差合并（按完全随机分组方差分析），误差均方为6.616.61。26.27.软件操作数据表：12行3列(dependent +block+factor )反应变量 单位组 处理因素 反应变量 单位组 处理因素(含量,y)B (测量方法,T)y B T 27.2 1 1 24.8 3 1 24.6 1 2 22.2 3 2 39.5 1 3 45.2 3 3 38.6 1 4 33.0 3 4 23.2 2 1 24.2 2 2 43.1 2 3 39.5 2 4 Tow-Way ANOVA(without interaction)数据不完全(缺失数据,BIB设计)要选择SS分解方式。28.重复测量随机单位组设计 受试者 重复测量时间 干预是什么？测量时间?受试者?29.（三）平衡的不完全单位组设计（balance balance imcompletely imcompletely block designblock design，简称BIBBIB设计）随机单位组设计要求单位组内的实验单位数和处理数相等。然而，在医学研究中，有时会遇到实验的处理数大于单位组内能容纳的实验单位数的情况。如将狗的坐骨神经切断后用三种手术方法吻合，但每只狗只有左右两条坐骨神经（狗为单位组，3 3种处理，2 2个实验单位）；又如检验某种呼吸装置在1010种状态下的性能，但每个受试者只能经历其中六种状态（单位组为受试者，1010种处理，6 6个实验单位）。为了减少单位组对实验结果的影响，可采用BIBBIB设计。30.1.1.实验设计方法 设v v表示处理数，k k表示单位组内实验单位数，r r表示每个处理的重复次数，b b表示单位组数，表示每两种处理同时出现的单位组数。BIBBIB设计在每个单位组内安排k k个处理，每个处理在r r个单位组中重复出现，任一对处理在同一单位组中的比较次数均为，从而使各处理间的比较公平合理。BIBBIB设计首先要根据v v和k k查有关附表以确定另外几个参数r r、b b、，然后再从附表查出设计方案。BIBBIB设计的随机化分两个步骤，即先将设计方案中的单位组随机分配给各个实验单位组，然后再将设计方案中各单位组内的处理随机分配给实验单位组内的各个实验单位。31.例试验四种治疗脚气的方法，观察对象为双脚均患有脚气的患者。按BIBBIB设计，本试验中v=4v=4，k=2k=2，查有关附表，应采用设计1 1，各参数为v=4v=4，k=2k=2，r=3r=3，b=6b=6，=1=1，即应有6 6名受试者。再查本章附表9 9，设计1 1的方案为其中I I、II II、IIIIII表示每个处理重复1 1、2 2、3 3次，1 1、2 2、3 3、4 4表示四种处理，每个单位组内安排两种处理。I1 23 4II1 32 4III1 42 332.随机化步骤：（1）将设计方案的6 6个单位组随机分配给6 6个患者，即6 6个患者有的接受1 1、2 2两种处理，有的接受3 3、4 4两种处理，有的接受2 2、4 4两种处理等。（2）将各单位组内的两种处理随机分配给左脚或右脚。治疗后的疗效评价由差到好1010个等级，按0 0、1 1、2 2、9 9评分。试验结果的列表方式与随机单位组相同，没有数据则不填。但是，在BIBBIB设计的实验中如果发生意外情况（如死亡）造成实验数据缺失，将会使统计分析变得困难。33.2.2.试验结果的方差分析 试验结果的数据处理用方差分析。在数据处理上，除象随机单位组设计那样计算单位组小计B Bi i和处理组小计T Ti i外，还要计算修正单位组小计B Bi i,修正处理组小计T Ti i 和修正均数。B Bi i 表示第i i个处理所在单位组的小计，如第1 1个处理甲，分别作用于第1 1、3 3、5 5个受试者，故B B1 1 为这三个受试者的小计，即B B1 1=B=B1 1+B+B3 3+B+B5 5=8+8+10=26=8+8+10=26T Ti i 和修正均数则按下表中的公式计算。34.35.如本例如本例v=4v=4v=4v=4，k=2,k=2,k=2,k=2,=1=1=1=1，T T T T1 1 1 1=10=10=10=10，B B B B1 1 1 1=26=26=26=26，则，则36.37.（四）拉丁方设计（Latin square designLatin square design）拉丁方是用t t个拉丁字母排成t t行t t列的方阵，且每行每列中每个字母都只出现一次，这样的方阵叫t t阶拉丁方或t tt t拉丁方。如3 3阶拉丁方或3 33 3拉丁方。拉丁方设计是利用拉丁方来安排实验，即用拉丁字母安排处理因素，行、列安排控制因素。拉丁方设计与随机单位组设计相比较，随机单位组设计从一个方面（行、即区组）来控制非处理因素对实验结果的影响，而拉丁方设计则是从行和列两个方面来控制非处理因素对实验结果的影响。因此，拉丁方设计是随机单位组设计的进一步扩展。38.拉丁方设计（N=16，t=4）行单位组 列单位组BACDBADCCDBACDAB39.基本要求：必须是三因素同水平数的试验。设计时将拉丁字母安排处理因素，行和列安排控制因素，并使行数、列数与处理数都相等；任何两因素、三因素间均无交互作用。40.在拉丁方设计中，实验单位按两种属性（非处理因素）形成单位组，即每个实验单位既属于一个行单位组，又属于一个列单位组。因此，拉丁方设计的基本单位是一个“方格”，有t t行t t列（t t3 3），有tttt个实验单位。每个单位组内共安排t t个处理，每个处理用拉丁字母表示。基本拉丁方：拉丁方的第一行与第一列字母是按拉丁字母顺序排列，如t=4t=4，拉丁方的基本设计单位为 列 单 位 组 I III IIIIIIIIIVIV行1 1A AB BC CD D单2 2B BA AD DC C位3 3C CD DB BA A组4 4D DC CA AB B41.1.1.实验设计方法 拉丁方设计的随机化是将t t个单位组（通常是标本、动物或受试者）随机分配到拉丁方基本设计单位中的各行，并将t t个处理随机分配给拉丁方中的t t个拉丁字母。设计步骤：根据处理因素的水平数从有关附表中选择相应的基本拉丁方。处理的水平数不能太多，也不能太少。若太多，行列单位组都过大，局部控制难以做到；太少，误差自由度太小，而使试验的灵敏度降低。一般情况下处理因素的水平数在5858时为宜。42.对基本拉丁方加以随机化。随机化时必须整行（或列）进行交换，不能将行或列拆散。例如，对5 55 5基本拉丁方的行和列可分别进行随机化。随机排列行：如可读取4 4个两位数的随机数，6666，0505，3232，8888，对随机数排序后得到序号R=3R=3，1 1，2 2，4 4，即先3 3，1 1行交换，然后2 2，4 4行交换。A AB BC CD DE E C CD DE EA AB B C CD DE EA AB BB BC CD DE EA A B BC CD DE EA A D DE EA AB BC CC CD DE EA AB B-A AB BC CD DE E-A AB BC CD DE ED DE EA AB BC C D DE EA AB BC C B BC CD DE EA AE EA AB BC CD D E EA AB BC CD D E EA AB BC CD D43.随机排列列：如可读取4 4个两位数的随机数，5353，8585，3939，0606，对随机数排序后得到序号R=3R=3，4 4，2 2，1 1，即先3 3，4 4列交换，然后2 2，1 1列交换。C CD DE EA AB B C CD DA AE EB B D DC CA AE EB BD DE EA AB BC C D DE EB BA AC C E ED DB BA AC CA AB BC CD DE E-A AB BD DC CE E-B BA AD DC CE EB BC CD DE EA A B BC CE ED DA A C CB BE ED DA AE EA AB BC CD D E EA AC CB BD D A AE EC CB BD D44.随机决定各字母所代表的处理（见表8.3.258.3.25）。例如，先固定处理的顺序号，序号1 1，2 2，3 3，4 4，5 5分别对应处理甲，乙，丙，丁，戊，再读取5 5个两位数的随机数，然后对随机数排序，得序号R R，由R R决定各字母表示的处理。表 随机分配处理字母A AB BC CD DE E随机数字10102828818147472020R R1 13 35 54 42 2处理甲丙戊丁乙 按以上最后一个拉丁方安排试验，并进行试验观察，根据观察值进行统计分析。45.2.2.试验结果的方差分析 数据处理时分别计算行单位组、列单位组、处理组合计及平方和，列表格式见下表。表 拉丁方设计的试验结果行单位组列单位组行单位组合计（B Bi i）1 12 2t t1 12 2 t tX XX X X XX XX X X X X XX X X XB B1 1B B2 2 B Bt t列单位组合计（C Ci i）平方和C C1 1Q Q1 1C C2 2Q Q2 2C Ct tQ Qt tXXXX2 2处理组小计A AT T1 1B BT T2 2 T Tt t 校正数C=C=（XX）2 2/t/t2 2 46.47.48.49.如果在计算机上用软件进行数据处理，数据矩阵的行数为t t2 2，列数为（观察指档个数+3+3），增加的3 3列均为分组变量（因素），分别指示各实验单位所属的处理组、行单位组和列单位组。如本例共4949行4 4列。50.3.软件操作数据表：16行4列(dependent +block1+block2+factor )反应变量 单位组 处理因素 反应变量 单位组 处理因素(血糖,y)day sub (drug,T)y day sub T 32.7 1 1 3 -4.0 3 1 1 11.2 1 2 1 14.0 3 2 3 23.2 1 3 2 27.5 3 3 4 48.1 1 4 4 25.6 3 4 2 26.2 2 1 2 33.2 4 1 4 31.8 2 2 4 16.5 4 2 2 28.9 2 3 3 21.2 4 3 1 18.7 2 4 1 40.2 4 4 3 Three-Way ANOVA(without interaction)数据不完全(缺失数据)要选择SS分解方式。51.优点：与随机单位组设计相比较，拉丁方设计进一步缩小了实验误差，提高了试验效率，大大减少了试验次数，尤其适合于动物和实验室试验。缺点：实验单位同时分属于行单位组和列单位组，且要求处理数必须等于拉丁方的行（列）数，一般的试验不容易满足此条件（重复拉丁方设计除外），只有在部分实验室研究或动物实验中才能做到，且数据缺失会增加统计分析的难度。在临床试验中，拉丁方设计的行单位组通常是受试者，列单位组通常是重复观测次数，并要求前一个处理的作用不会影响到下一个处理，只能用于慢性疾病不同处理后短期疗效的比较。52.重复拉丁方设计在动物或临床试验中，如果动物或受试者为行单位组，则可以用r r（2 2）个拉丁方重复安排试验，即所谓重复拉丁方设计。在重复拉丁方设计中共有rt rt个行单位组，t t个列单位组，t t个处理。每t t个行单位组构成一个拉丁方，各拉丁方的基本设计单位完全相同。随机化方法是将rt rt个动物或受试者随机分配至rt rt个行单位组中，并将处理随机分配给t t个拉丁字母。如比较三个血压计的测量结果，可采用如下重复拉丁方设计。53.54.55.（五）交叉设计（cross-overdesign）一种特殊的自身对照设计，采用同一受试对象进行不同阶段自身对比观察，不但节省了样本，而且组间均衡性好。最简单的形式是二处理、二阶段交叉设计。有a1、a2两种不同的处理，两个试验阶段为I、II，这两种处理可以按时间阶段先后以不同的顺序作用于同一受试对象。处理顺序甲方式：先a1后a2，乙方式：先a2后a1。将一批受试对象随机等分为两组，每组n例，一组接受甲方式（a1a2）的处理，另一组接受乙方式（a2a1）的处理，两种处理方式在全部试验过程中交叉进行。56.交叉设计（两阶段）试验阶段 处理 受试者 step1 step2 a1a2受试者n Ra2a157.影响实验结果的三个因素：A A因素为处理（两个水平的单因素处理），B B因素为处理顺序，C C因素为试验阶段。交叉设计数据分析时，由于B B因素的作用包含在受试对象个体差别中，故重点分析A A因素和C C因素各水平的差别。数据分析时有假定：（1）A A，B B，C C三个因素间不存在交互作用。（2）各处理终止后没有残留效应（carry-over carry-over effecteffect），或各处理的残留效应相等。为保证这一点，每两个阶段之间均设一个停药或停止处理的阶段，等待残留效应的消失，一般称此为洗脱期或清洗阶段（washout periodwashout period）。58.特别适用于不易控制个体差异的临床试验（处理间的差别是在受试对象内进行比较，允许受试对象之间有较大的个体差异）。在医学研究中，交叉设计多用于临床试验，以比较药物（或治疗方法）间的短期疗效，如止痛、镇静、安眠、抗风湿、降血压等短期缓解症状效果的比较。59.1.1.实验设计方法 （1 1）根据研究目的和设计预案，确定交叉设计的试验阶段（时间段）。并在每两个阶段之间均设一个洗脱期。如二处理、二阶段交叉设计有、两个时间段，时间段可以是一周、二周、四周等，、两个时间段之间设一个洗脱期（不施加任何处理或给予安慰剂的阶段），洗脱期也可为一周、二周、四周等。60.（2 2）确定单处理因素的水平数。如二处理、二阶段交叉设计有a a1 1、a a2 2两种不同的处理，每个受试者在、两个时间段接受这两种不同的处理。（3 3）将N N（N N为偶数）个受试者随机等分为甲、乙两组，甲组第阶段给a a1 1处理，第阶段给a a2 2处理；乙组第阶段给a a2 2处理，第阶段给a a1 1处理。这是二阶段交叉设计的完全随机化分组。（见分组示意图）61.洗洗脱脱期期表表示示不不施施加加任任何何处处理理或或给给予予安安慰慰剂剂，用用于于清清除除a a a a1 1 1 1、a a a a2 2 2 2的的“后后效效应应”，其其时时间间长长短短根根据据专专业业知知识识确确定定。必必要要时时，在在随随机机化化分分组组前前也也可可设设立立洗洗脱脱期期，以以清清除除试试验验前前药药物物的影响。的影响。62.63.64.65.66.如果用软件计算，数据矩阵只需在随机单位组设计的数据矩阵中增加一列，用来表示处理。如本例，数据矩阵为2424行4 4例，各列分别为观察指标、受试者、阶段和处理。虽然交叉设计在形式上与随机单位组设计相近，但与随机单位组设计相区别的显著特征是，交叉设计的处理是按不同时间阶段分别安排的，因而可以大大减少受试者的数目。对于三阶段或三阶段以上的交叉设计，可将受试者看作行单位组、试验阶段看作列单位组，处理用拉丁字母表示，用重复拉丁方安排试验和进行试验结果的统计分析。67.交叉设计（三阶段）试验阶段 处理组 受试者 step1 step2 step3 受试者n A C B A C B B A R C C B A C A B C B A T1T2T3T1T2T3T1T2T368.（六）序贯设计（sequential designsequential design）固定样本的设计：先固定实验单位数N N，然后再将N N个实验单位按不同方式进行随机分组，待N N个实验单位均做完试验并测得反应结果后，再进行统计分析。序贯设计（非固定样本的设计）：无须先固定实验单位数，而是根据实验单位进入试验的次序，每测得一个实验单位的反应结果就进行一次统计分析，一得出结论，就立即停止试验。69.三个优点：在某些临床研究或流行病学现场研究中，样本的多少取决于人群中的病例数和受试者进入试验的比率。因此在设计阶段将样本数N N看作变数（不固定）比看作常数更合理。当处理组间确实存在差异时，用序贯分析方法可以较早地得出结论，通常比固定样本的设计节约样本，从而可以减少人力、物力的浪费和缩短试验周期。序贯设计是边试验，边分析，在临床疗效比较的试验中，一旦分析结果显示甲药优于乙药，则可立即停止试验，并且让其余受试者均接受甲药的治疗，比固定样本的设计更符合医学试验的伦理学要求。70.经典的序贯设计适用于在短期内很快能观察到结果的急性试验，且前后两个试验单位进入试验的间隔时间不宜太长。例如比较两种止痛药物，如果受试者服药后的疗效几天后即可以知道，则下一个受试者应在一、二周内进入试验。常见的序贯设计：质反应与量反应的序贯设计、量反应的团体序贯设计（group sequential designgroup sequential design）71.1.1.质反应与量反应的序贯设计 质反应指观察指标仅取两个数值，如存活、死亡，有效、无效，有反应、无反应等。例设A A为某镇咳药物，B B为安慰剂，患者先后接受A A、B B两药，然后评定镇咳效果。序贯设计的方法如下。参数设定H H0 0：A A=B B=0.5=0.5（=0.05=0.05，双侧）H H1 1：A A=0.85=0.85（或0.150.15）（=0.05=0.05）72.根据设定的参数，作序贯设计图，作图的数据可从相应的数表中查出。对受试者逐一进行试验。每个受试者的试验结果只有三种可能：（1）A A为优，向右上方划一4545o o斜线；（2）B B为优，向右下方划一45450 0斜线；（3）当无法确定时，该结果不作记录。当表示试验结果的连线触及序贯设计图上限时，A A B B，A A药优于B B药；当连线触及序贯设计图下限时，A A B B，A A药不如B B药；当连线触及序贯设计图右侧端线时，接受H H0 0。全部试验结果见下表。73.74.75.本例，当第1414个认为A A优的受试者试验结束后，连线触及上限，表明A A药有效。量反应的序贯设计与质反应类似，只是观察指标为A、B两种处理的差值d，对于均数的假设为H0：=0，H1：=1，给定、后，根据=1/查表作序贯设计图，其中表示d的标准差，通常用经验数据代替。试验时，用y=d作连线，结果判定与质反应相同。76.2.2.量反应的团体序贯设计 经典的序贯设计缺点：需对每个受试者的试验结果都进行统计分析，因此只适合于急性试验，且需要作配对处理（如一个受试者接受两种处理，或将两个基本情况相同的受试者配成一对，分别接受两种处理）。为了使序贯设计适用于出现反应较慢的临床试验（如治疗后二、三周后才能确定疗效的临床试验）和非配对的情况。7070年代末提出了团体序贯设计（成组序贯设计）77.团体序贯设计方法：将试验的全过程预先划分为k k个时间段，每个时间段内安排2n2n个受试者，并随机等分为两组，分别接受A A处理和B B处理（即分段随机化）。当第i i个（i ik k）时间段内2n2n个受试者试验全部结束时，即可对已获得的全部试验结果进行一次统计分析，如果A A处理和B B处理出现差异，得出试验结论，则停止试验；反之，继续下一个时间段的试验，直至k k个时间段的全部试验完全结束。在试验过程中进行的统计分析称为期中分析（interim interim analysisanalysis）。当第i(i i(ik)k)个时间段的试验结束时，若已知总体方差2 2，可用u u检验的方法对已获得的全部试验结果作一次检验。78.79.80.u ui i检验结果用上表中与k k对应的Z Z判定，t ti i检验结果用t t/2/2，v v判定（可从上表中查出）。当结果有显著差别时，接受H H1 1：A A B B=，停止试验。否则，进行下一个时间段的试验。当进行到第k k个时间段时，检验结果仍无显著差别，则接受H H0 0：A A B B=0=0。在设计上要求：必须在试验开始前确定时间段k k，并根据上表确定每次统计检验的界限值和估计所需的样本数。表中表示在第i i个时间段总体均数间的差值，表示该差值标准误。81.例为研究妊娠妇女怀孕期间补充维生素D D对新生儿血浆钙浓度的影响，拟将怀孕妇女分为两组，一组服用维生素D D，一组作为对照，并分为三个阶段试验。根据临床经验，服药组新生儿血浆钙浓度平均比对照组高0.3mg/100ml0.3mg/100ml，即为有效(=0.3)=0.3)，新 生 儿 血 浆 钙 浓 度 的 标 准 差 为1.2mg/100ml(1.2mg/100ml(=1.2)=1.2)。82.83.团体序贯设计是特别适合于临床研究的一种序贯设计方法。与经典的序贯设计相比，团体序贯设计的优点是：可用于治疗后出现反应时间较长的临床试验；可采用平行对照，并对受试者进行随机化分组。在临床研究实际工作中，为了充分发挥团体序贯设计的优点，需将团体序贯设计与期中分析紧密地相结合。84.作 业1、400名受试者等分四组，给出随机数 和分组方案。2、給出P31题5数据的计算机录入格式 和方差分析表。3、給出P31题6数据的计算机录入格 式和方差分析表。4、P31题485.