更新亮点包括：
顺序设计运行特性模拟工具
升级的生存分析组顺序设计表
混合模型的多个新选项
从固定试验设计到灵活试验设计，nQuery 9.4 是一次重大更新，可帮助生物统计学家和临床研究人员节约成本、降低风险。
nQuery 专业级
nQuery 专业版有哪些新功能？
nQuery 9.4 专业版中新增了 2 个样本容量表。
用于生存分析的分组序列设计大修
序列设计运行特征模拟工具
1、用于生存分析的分组序列设计
它是什么？
分组序列设计是确证性临床试验中最常用的适应性设计。这种设计允许试验者在有足够证据证明治疗有效（疗效）或无效（徒劳）时，在预先指定的中期分析中提前终止试验。分组序贯设计能够提前终止试验，可显著节约成本，同时还能让患者更快地获得重要的治疗方法。Lan-DeMets误差支出函数等方法为试验者提供了极大的灵活性，使他们可以在试验监测期间保持极大的灵活性的同时，确定试验提前终止的条件。
生存分析是临床试验中最常见的终点之一，尤其是在肿瘤学等领域。生存分析在固定期限试验和连续试验中的功率和样本量确定方面都有独特的挑战，例如建立应计过程模型、处理辍学问题以及调整不同类型的删减。
nQuery 9.4 在 nQuery 9.3 中为两个均值和两个比例方案添加的表格的基础上，为双样本对数秩检验添加了经过全面修订的组序列表。此次大修包括一系列额外的分组序列方法、用户体验方面的重大改进以及额外的详细输出，以便更好地探索不同的分组序列方案。新的分组序列生存分析表交易允许计件应计、危险率和辍学率，并可适应事件驱动和固定随访设计，同时提供有关预期样本量、事件和分析时间的详细信息。
未来的更新将扩展到更多终点，如计数和单臂设计。
小组顺序设计大修总结：
双样本对数方差分析的分组序列设计（更新表格）
11 种支出函数（O'Brien-Fleming、Pocock、Power Family、Hwang-Shih-DeCani、指数、贝塔、t 分布、Logistic、正态分布、Cauchy、用户定义/内插法）
Wang-Tsiatis 和 Pampallona-Tsiatis 设计
海比特-佩托（p 值）设计
统一族设计
自定义 Z 统计量、p 值、得分统计量或效应大小边界输入的自定义边界设计
双面无效边界
新的用户响应界面
边界参数化转换
详细和可导出的组序列报告
改进的可编辑边界图
误差支出图
2、顺序设计仿真工具的运行特性
它是什么？
分组序列设计是确证性临床试验中最常用的适应性设计。这种设计允许试验人员在有足够证据证明治疗有效（疗效）或无效（徒劳）时，在预先指定的中期分析中提前终止试验。分组顺序设计能够提前终止试验，从而大大节约成本，同时还能让患者更快地获得重要的治疗方法。
模拟被认为是评估适应性设计的统计和实际性能的一个重要方面。nQuery 9.4 增加了一个工具，用于评估分组序列设计的运行特征，如平均功率、样本大小以及特定中期分析的预期次数。该工具可单独使用，也可自动从全面改版的分组序列表套件中获取现有分组序列设计的值。
未来的更新将把该模拟工具扩展到更多的自适应设计、分组序列设计终点和更多的模拟选项。
已添加工具：
顺序设计工作特性仿真工具
如何更新？
如果您订购了 Query Pro Tier nQuery，系统会自动提示您更新。您可以单击 "帮助">"检查更新 "手动更新 nQuery Advanced。
nQuery 基础层
nQuery 基础层有哪些新功能？
nQuery 9.4 基础层新增了 13 个样本量表/更新，涉及以下领域：
生存（3 次更新）
混合模型（7 次更新）
相关性（2 次更新）
置信区间（1 次更新）
3、生存（事件时间）分析
什么是生存分析？
生存期或时间-事件试验是以特定事件（如死亡或肿瘤消退）发生前的时间为终点的试验。生存期分析通常用于肿瘤学或心脏病学等领域。
在 nQuery 9.4 中，针对涉及生存分析的试验设计，在以下领域添加了样本大小表。未来的更新将扩展到更多终点，如计数和单臂设计。
新增的表格/功能：
固定随访的对数-Rank 检验
适度加权线性Rank检验（MWLRT）
4、固定随访的对数方差分析
它是什么？
对数秩检验是用于分析生存数据的最常用统计检验之一。它的灵活性和可解释性为了解生存试验中的可比危险率提供了有用的信息。
在 nQuery 9.4 中，在 nQuery 现有对数秩检验选项的基础上增加了两个样本大小表。这些表格的重点是允许固定随访设计，即在固定时间段后对受试者进行剔除。这些更新的表格允许使用应计百分比或应计率输入，也允许使用计件应计、危险率和辍学过程，以及四舍五入或非四舍五入的样本量和事件输出。
已添加表格：
对数方差分析、用户指定应计百分比
固定随访、片式生存率和辍学率
对数方差分析、用户指定累积率、固定随访
片断生存率和辍学率
5、适度加权线性关系检验
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，也有一些可供选择的线性秩检验。使用替代检验的最常见原因是，对数-rank 检验的性能取决于比例危险度假设，如果治疗效果（危险比）不恒定，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秩检验可能会很困难。
处理非比例危险的建议包括 MaxCombo 设计、RMST 和片断加权模型。针对 MaxCombo 提出的一项建议是适度加权线性秩检验（MLWRT），该检验既避免了 MaxCombo 中出现的 I 类错误，又保持了延迟效应时间方面的灵活性。
在 nQuery 9.4 中，MWLRT 作为额外的检验选项被添加到我们的 MaxCombo 和线性秩检验表套件中，可用于不等式、非劣效和等效假设。
MaxCombo 和线性秩检验表新增功能：
适度加权线性秩检验 (MLWRT)
6、混合模型
什么是混合模型？
混合模型是指数据嵌套在多个层次（如分层设计和重复测量设计）时使用的模型。例如，学生（层次 1）嵌套在班级（层次 2）中，班级嵌套在学校（层次 3）中，学校嵌套在学区（层次 4）中。这些也被称为多层次或混合效应模型。
例如，一种常见的分层试验设计是 2 层纵向分层设计，受试者（第 2 层）被随机分配到两种处理方法中的一种，然后随着时间的推移对每个受试者进行多次观察（第 1 层）。在确定这种设计的样本量时，必须考虑分层数据结构，因为第一层和第二层单位都会对观察结果的总变化产生影响。此外，来自同一二级单元 9（即受试者）的一级数据单元（即重复测量）往往呈正相关。
在 nQuery 9.4 中，根据 Ahn、Heo 和 Zhang（2015 年）的研究，新增了 7 个混合模型表，用于随访结束和因子 2x2。
表格已添加：
2 级分层设计（二级随机化）中随访结束时两个均值的混合模型检验
3 级分层设计（3 级随机化）中随访结束时两个均值的混合模型试验
3 级分层设计中 2x2 因式设计的交互效应混合模型试验（3 级随机化）
3 级分层设计（2 级随机化）中 2x2 因式设计的交互效应混合模型试验
3 级分层设计中 2x2 因式设计的交互效应混合模型试验（1 级随机化）
2 级分层设计（二级随机化）中 2x2 因式设计的交互效应混合模型试验
2 级分层设计中 2x2 因式设计的交互效应混合模型试验（1 级随机化）
7、相关性
什么是相关性？
相关测量主要是评估两个变量之间的关系强度。常见的相关测量包括皮尔逊（Pearson）、斯皮尔曼（Spearman）和肯德尔-兰克（Kendall-Rank）。
从属相关表示可能导致两个相关关系的共同因素，相当于说明至少有一个成对相关系数不为零。如果两个相关性有一个共同的测量指数（此处指定为 "y"），那么通过比较其他两个测量值与共同测量指数的相关性，这两个相关性一定是相关的。在 nQuery 9.4 中，增加了两个表格，用于检验从属（成对）测量之间的相关性。
新增表格：
两个从属皮尔逊相关性检验（共同指数）
两依赖 Pearson 相关性检验（无共同指数）
8、置信区间
什么是置信区间？
置信区间是最广泛使用的统计区间，表示人口参数在给定概率水平下可能处于的区间。
计数率和发病率是一种常见的数据类型，其关注的终点是在给定单位时间内发生的事件数量或重复计数。临床试验中的例子包括慢性阻塞性肺病等呼吸系统疾病在特定年份的恶化发生率，或多发性硬化症等疾病的核磁共振扫描中发现的病灶数量计数。与二叉或生存建模方法相比，泊松或负二叉等计数模型可充分利用发现的所有事件。在 nQuery 9.4 中，增加了一个表格，用于计算单个泊松发病率的置信区间。
添加的表格：
一个泊松率的置信区间
如何更新？
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。
9、准确预测关键试验里程碑
识别路障并采取行动，使您的试验如期进行
nQuery Predict 是 nQuery 临床试验设计平台的最新模块。
nQuery Predict 是一套利用当前数据预测未来注册或事件里程碑的可能轨迹的工具，仅在专家级中提供。有了 nQuery Predict 模块，您就可以根据可用的真实试验数据做出更明智的决策。
请收听下面的视频短片，了解有关里程碑预测的更多信息。
渝公网安备50010702505508