从固定试验设计到灵活试验设计，nQuery 9.3 不断加强 nQuery 功能，帮助生物统计学家和临床研究人员节约成本、降低风险。
nQuery 9.3 升级了分组顺序设计表格式，改进了 nQuery 预测工具，并在生存、相关性、试验研究和贝叶斯等效性等领域新增了 22 个样本量表。
新增 25 个样本大小表，下面我们一一进行简单介绍。
18 个新的 Base （基础版）表
nQuery 的基础版有哪些新功能？
nQuery 9.3 的基础版新增了 18 个样本量表。
比例（6 个新表）
生存率（3 个新表）
相关性/一致性/诊断/方差（9 个新表）
随机化列表改进
比例
什么是比例？
比例（即分类数据）是一种常见的数据类型，其中最常见的兴趣终点，尤其是二分变量。临床试验中的例子包括出现受试者反应（如肿瘤消退）的患者比例。针对二元比例提出了各种各样的设计方案，从精确到最大似然法，再到正态近似法，不一而足。
在 nQuery 9.3 中，针对涉及比例的试验设计，在以下方面添加了样本大小表：
新增表格：
逻辑回归
比例置信区间
逻辑回归
它是什么？
逻辑回归是用于分析响应率等二元终点的最广泛的回归模型。该模型可以灵活地模拟多种类型的治疗配置效果，同时考虑作为协变量的其他变量的效果。
在 nQuery 9.3 中，针对包括协变量调整分析和相加交互效应在内的几种额外的逻辑回归方案，增加了样本量确定功能。
添加了表格：
二元变量的协变量调整分析
正态变量的协变量调整分析
队列设计的加性交互作用
病例对照设计的加性相互作用
比例的置信区间
什么是置信区间？
置信区间是临床研究中使用最广泛的统计区间。统计区间可以评估统计估计的不确定性程度。对于比例，根据研究设计和所需的操作特征，已经提出了许多不同的方法来构建置信区间。
在 nQuery 9.3 中，针对分层和群组随机分层设计中的二元终点，增加了确定置信区间宽度的样本大小。
添加了表格：
分层二元终点的置信区间
分组随机分层二元终点的置信区间
生存期（事件发生时间）分析
什么是生存分析？
生存期或事件发生时间试验是以特定事件（如死亡或肿瘤消退）发生前的时间为研究终点的试验。生存期分析通常用于肿瘤学或心脏病学等领域。
在 nQuery 9.3 中，为设计涉及生存分析的试验，在以下领域添加了样本大小表：
新增表格：
最大组合 (MaxCombo) 试验
片断生存数据的线性关系检验
配对生存数据
最大组合 (MaxCombo) 检验
它是什么？
组合检验是在比例危险（PH）和非比例危险（NPH）模式下确定非加权和加权对数秩检验样本大小的统一方法。
对数秩检验是比较生存曲线最广泛使用的检验方法之一。不过，也有一些其他的线性秩检验方法可供选择。使用替代检验的最常见原因是，对数秩检验的性能取决于比例危险假定，如果治疗效果（危险比）不是恒定的，则可能会出现严重的功率损失。标准对数秩检验对每个事件赋予同等重要性，而加权对数秩检验则对每个事件应用预先指定的权重函数。然而，非比例危险有多种类型（延迟治疗效果、递减效果、生存曲线交叉），因此，如果在设计阶段治疗效果曲线未知，选择最合适的加权对数rank 检验可能会很困难。
最大组合检验可用于比较多个检验统计量，并根据数据选择最合适的线性秩检验，同时通过调整检验统计量相关性导致的多重性来控制 I 类错误。在本版本中，最大组合检验领域新增了一个表格。
在 nQuery 9.3 中，我们在 nQuery 9.1 和 9.2 中的不等式和非劣式 MaxCombo 样本大小表的基础上，增加了使用 MaxCombo 检验进行等效检验的样本大小确定表。
添加的表格：
使用片断生存期的等效最大组合（MaxCombo）线性等级检验
片断生存的线性等级检验
(对数秩检验、威尔科克森检验、Tarone-Ware 检验、Peto-Peto 检验、Fleming-Harrington 检验、阈值滞后检验、广义线性滞后检验）
它是什么？
对数秩检验是比较生存曲线最广泛使用的检验方法之一。不过，也有一些其他的线性秩检验方法可供选择。使用替代检验的最常见原因是，对数秩检验的性能取决于比例危险假设，如果治疗效果（危险比）不是恒定的，则可能会出现严重的功率损失。标准对数秩检验对每个事件赋予同等重要性，而加权对数秩检验则对每个事件应用预先指定的权重函数。然而，非比例危险有多种类型（延迟治疗效果、递减效果、生存曲线交叉），因此，如果在设计阶段治疗效果曲线未知，选择最合适的加权对数rank 检验可能会很困难。
在 nQuery 9.3 中，以 9.2 中添加的不等式（优越性）和非优越性表为基础，为 7 种线性秩检验提供了样本量确定方法，并为等效检验提供了灵活的片断生存率。
这些 nQuery 表格可用于轻松比较 Log-Rank、Wilcoxon、Tarone-Ware、Peto-Peto、Fleming-Harrington、Threshold Lag 和 Generalized Linear Lag 所达到的功率或所需的样本量，并在需要同时评估多个检验时对 MaxCombo 表格进行补充。
新增表格：
使用片断生存期的等效线性等级检验
(对数秩检验、威尔科克森检验、塔罗内-瓦尔检验、佩托-佩托检验、弗莱明-哈灵顿检验、阈值滞后检验、广义线性滞后检验）
配对生存
是什么？
配对分析是一种常见的方法，通过比较两个高度相关的结果（如同一个人的结果）来提高试验效率。在适合进行配对分析的情况下，忽略配对分析可能会导致推断能力不足。例如，在眼科中，生存类型终点（如视力丧失/退化时间）可能会出现每只眼睛采用不同治疗方法的情况，但标准对数秩检验往往仍被错误地使用。
在 nQuery 9.3 中，增加了使用秩检验进行配对生存分析的样本大小表。
新增表格：
配对生存数据检验
相关性/一致性/诊断/方差
它是什么？
相关性、一致性和诊断性测量都是对两个或多个变量在不同情况下的关系强度感兴趣。相关性旨在评估两个变量之间的关系强度。
一致性评估的是两个（或更多）评定者（如两个诊断测试）能够可靠地复制其评估结果的程度。诊断检测则比较建议的评分者与事实（如筛查项目结果与活检等 "金标准 "检测）之间的一致程度。
方差用于评估测量结果的变异程度。比较方差的测试可用于评估组间的变异量是否存在显著差异。
在 nQuery 9.3 中，使用这些概念设计试验时，可在以下方面添加样本大小表：
添加了表格：
相关性（Pearson's、Spearman's、Kendall tau-B）
一致性（二元卡帕、多组卡帕、系数（克朗巴赫）α）
诊断（部分 ROC 分析）
方差（F 检验、Levene 检验、Bonett 检验）
相关性
什么是相关性？
相关测量被广泛用于总结变量之间的关联强度。常见于回归分析等领域，最广泛使用的是线性关系的皮尔逊相关性。
不过，在某些情况下，其他相关性可能更适合，例如处理顺序等级数据的等级相关性（如斯皮尔曼相关性）。
在 nQuery 9.3 中，添加了 Pearson 相关性置信区间表以及 Spearman 和 Kendall tau-B 等级相关性测试表。
新增表格：
一个（皮尔逊）相关性的置信区间
斯皮尔曼相关性检验
Kendall tau-B 相关性检验
协议
它是什么？
评估不同 "评分者 "的可靠性对于有多种评估标准或方法可用于评估疾病或状况的领域至关重要。例如，Cohen's Kappa 统计量是一种广泛使用的方法，用于量化多个评分者之间的一致程度，并为测试和估算评分者之间的可靠性提供依据。
在 nQuery 9.3 中，增加了用于测试和置信区间的表格，用于测试多点（⋝2 个评分者）Kappa 统计量和比较两个系数 (Cronbach) alpha 的测试。
新增表格：
多变量卡帕检验
多项式卡帕置信区间
双系数 (Cronbach) Alpha 检验
诊断
什么是诊断？
诊断检测的统计评估是确保拟议筛查或检测程序在临床使用中具有适当准确性的重要组成部分。评估诊断检测性能的方法有很多，但最常用的方法之一是接收者工作特征曲线（ROC）分析法，其中的曲线下面积（AUC）可以概括出检测在整个鉴别界限范围内的表现。
不过，研究人员有时可能会对在更有限的结果范围内评估性能感兴趣。部分 ROC（pROC）就是这样一种方法，它仅在真阳性率（TPR - ROC 中的 Y 轴）或假阳性率（FPR - ROC 中的 X 轴）的有限范围内评估 ROC 性能。例如，FPR 大于 0.8 的区域意味着超过 80% 的阴性受试者被错误地归类为阳性：这在许多实际案例中是不可接受的。
在 nQuery 9.3 中，为部分 ROC 分析添加了样本大小表，以评估一条或两条 ROC 曲线。
新增表格：
测试一条部分 ROC
两个部分 ROC 检验
方差
方差是什么？
方差是最常用的统计量，用于评估测量结果的变异程度。研究人员通常有兴趣评估一个或多个组之间的差异程度。为此提出了几种检验方法，包括 F 检验、Levene 检验和比较方差的 Bonett 检验。
在 nQuery 9.3 中，使用 F 检验、Levene 检验或 Bonett 检验对两个独立方差进行比较时，会添加样本量表。
新增表格：
两个方差的检验（F 检验、Levene 检验、Bonett 检验）
随机化列表
它是什么？
随机化是确保临床试验中广泛使用的常用统计检验得出有效统计推论的重要组成部分。随机化可以创建具有可比性的治疗组，并减少未知因素的影响。然而，在临床试验中，往往会有一些伦理和后勤方面的考虑，这意味着简单的随机分配可能并不合适。
例如，在临床试验过程中，为了减少随时间变化的协变量的潜在影响，或计划进行序列分析时，确保在任何特定时间保持平衡往往被认为是非常重要的。此外，性别等协变量在整体上保持相对平衡也很重要。
nQuery 9.2 增加了随机化列表工具，可轻松生成随机化列表，其中既考虑了随机化因素，也考虑了任何相关的平衡协变量。9.2 包含以下随机化算法：
添加了表格：
区块随机化
完全随机化
埃夫隆偏心硬币（仅限 2 组）
nQuery 9.3 添加了多种新的随机化算法，增加了允许的中心数量，并在用户手册中全面更新了有关随机化列表的章节。随机化列表功能的更新摘要如下
4 种新的随机化算法（史密斯算法、魏氏瓮算法、随机排序算法、最大允许偏差随机排序算法）
允许的中心数量从 25 个增加到 500 个
改进《用户手册》中关于随机列表的章节
如何更新
要访问这些表格，您必须拥有激活的 nQuery 订阅。如果有，nQuery 会自动提示您更新。
您可以单击 "帮助">"检查更新 "手动更新 nQuery Advanced。
渝公网安备50010702505508