ISSN: 2167-0870
జెంగ్ఫాన్ వాంగ్, అవో యువాన్ మరియు మింగ్ టి టాన్
బహుళ-దశల క్లినికల్ ట్రయల్ , గ్రూప్ సీక్వెన్షియల్ క్లినికల్ ట్రయల్ అని కూడా పిలుస్తారు, ఇది సాధారణంగా ఉన్న చికిత్స (ల)కి వ్యతిరేకంగా కొత్త చికిత్సను అంచనా వేయడానికి క్లినికల్ ట్రయల్స్ కోసం సాధారణంగా ఉపయోగించబడుతుంది. ఇటువంటి డిజైన్ ఇంటర్మీడియట్ దశలో సేకరించిన డేటా ఆధారంగా ఉచ్చారణ చికిత్స ప్రభావం లేదా దాని లేకపోవడం కోసం విచారణను ముందుగానే ఆపడానికి అనుమతిస్తుంది. సీక్వెన్షియల్ కండిషనల్ ప్రాబబిలిటీ రేషియో టెస్ట్ (SCPRT) విధానం అసమానత సంభావ్యత అనే భావనపై ఆధారపడి ఉంటుంది, అంటే, మధ్యంతర డేటా ఆధారంగా శూన్య పరికల్పనను అంగీకరించడం లేదా తిరస్కరించడం అనే నిర్ణయం ట్రయల్ ప్రణాళికాబద్ధమైన ముగింపు వరకు కొనసాగితే రివర్స్ అయ్యే సంభావ్యత. ఈ సంభావ్యత ముందుగా సెట్ చేయబడిన చిన్న స్థాయిలో నియంత్రించబడుతుంది. యాదృచ్ఛిక తగ్గింపుతో పాటు అకారణంగా ఆకర్షణీయమైన విధానాలలో ఇది ఒకటి, అయితే యాదృచ్ఛిక తగ్గింపుపై ఆధారపడిన విధానాల కంటే ఈ విధానం మరింత సమర్థవంతంగా ఉన్నట్లు చూపబడింది. అయితే, ప్రస్తుతం ఉన్న SCPRTలలో, అసమానత సంభావ్యత, టైప్ I ఎర్రర్ మరియు పవర్ గణించడం సులభం కాదు. ఇక్కడ మేము ఈ పరిమాణాలను గణించడానికి అనుకరణ ఆధారిత పద్ధతిని పరిశీలిస్తాము మరియు వాటిని వాస్తవ డేటా సమస్యకు ఉదాహరణగా వర్తింపజేస్తాము.