RCT處理組進(jìn)行合并的問(wèn)題
背景
在涉及到不同藥物劑量分組（如，10mg、20mg等）或者疫苗接種方案（如，一針型、兩針型等）之間效果比較的「RCT」的統(tǒng)計(jì)分析中，出多組之間比較的TFL我們都很熟悉。但是有時(shí)候，甲方會(huì)要求你出一個(gè)合并不同treatment group再與placebo組進(jìn)行比較的TFL。
這個(gè)時(shí)候，就涉及到不同treatment group如何進(jìn)行合并的問(wèn)題。雖然說(shuō)你可以直接將10mg和20mg組直接合并，形成組合后的新的treatment組與placebo組進(jìn)行比較。但是，你有沒(méi)有考慮到，這樣簡(jiǎn)單直接地進(jìn)行處理組的合并，算出來(lái)的效應(yīng)值真的是正確的么？監(jiān)管機(jī)構(gòu)會(huì)不會(huì)認(rèn)可你的統(tǒng)計(jì)分析結(jié)果？
方案
毫無(wú)疑問(wèn)，有三種合并方案供你選擇：
?方案一：10mg直接加上20mg組的人，如下：
?
data temp; set temp;
? ?format trt2 $3.;
? ?if trt in ('1 Dose' '2 Dose') then trt2='1 Dose or 2 Dose';
? ?if trt='Placebo' then trt2='Placebo';
run;
* Column 1 2 4;
ods output Lsmeans=Lsmeans124;
proc mixed data=temp;
? ?class trt;
? ?model y = trt;
? ?lsmeans trt / cl alpha=0.05;
run;
* Column 3;
ods output Lsmeans=Lsmeans3;
proc mixed data=temp;
? ?class trt2;
? ?model y = trt2;
? ?lsmeans trt2 / cl alpha=0.05;
run;
?方案二：類(lèi)似于方案一，但是使用estimate statement來(lái)估計(jì)合并后新組的效應(yīng)，賦予原10mg、20mg組相同的權(quán)重
?
?方案三：類(lèi)似于方案二，但是賦予原10mg、20mg組不同的權(quán)重，即根據(jù)原組別的樣本量給與不同的權(quán)重
?
現(xiàn)在問(wèn)題就來(lái)了，到底哪一種方案效應(yīng)值的估計(jì)是「無(wú)偏」的？
方案二和三的code我們放在了知識(shí)星球里，歡迎感興趣的朋友自行查看。
結(jié)論
通過(guò)對(duì)不同組別之間不同的樣本量、不同的效應(yīng)值大小的模擬，這里我們直接給出結(jié)論，日后朋友們?cè)趯?shí)際進(jìn)行組別合并的時(shí)候，可以作為參考。
方案一的使用場(chǎng)景，有且只有當(dāng)原始組別之間的效應(yīng)值相當(dāng)近似接近時(shí)。這種簡(jiǎn)單粗暴的合并沒(méi)有考慮樣本量以及效應(yīng)值的實(shí)際差異，當(dāng)這兩者在原組別之間存在較大差異時(shí)，方案一粗暴地合并效應(yīng)值，會(huì)導(dǎo)致效應(yīng)值較大的置信區(qū)間。
方案二和三無(wú)疑是優(yōu)于方案一的。
其中，方案三應(yīng)該是最優(yōu)解。方案二沒(méi)有考慮到樣本量對(duì)效應(yīng)值合并的影響，相同的權(quán)重會(huì)導(dǎo)致合并后效應(yīng)值錯(cuò)誤有偏。
基于以上，下次再進(jìn)行treatment group的合并時(shí)，大家還是要多一個(gè)心眼的。
