Sample size for a non-inferiority clinical trial with time-to-event data in the presence of competing risks
Auteurs : Dong Han, Zheng Chen, Yawen Hou
Résumé : The analysis and planning methods for competing risks model have been described in the literatures in recent decades, and non-inferiority clinical trials are helpful in current pharmaceutical practice. Analytical methods for non-inferiority clinical trials in the presence of competing risks were investigated by Parpia et al., who indicated that the proportional sub-distribution hazard model is appropriate in the context of biological studies. However, the analytical methods of competing risks model differ from those appropriate for analyzing non-inferiority clinical trials with a single outcome; thus, a corresponding method for planning such trials is necessary. A sample size formula for non-inferiority clinical trials in the presence of competing risks based on the proportional sub-distribution hazard model is presented in this paper. The primary endpoint relies on the sub-distribution hazard ratio. A total of 120 simulations and an example based on a randomized controlled trial verified the empirical performance of the presented formula. The results demonstrate that the empirical power of sample size formulas based on the Weibull distribution for non-inferiority clinical trials with competing risks can reach the targeted power.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.