Advertisement

Strategien zum Abbruch von Therapiestudien bei Zensierten Lebensdauerdaten

  • Wolfgang Köpcke
Conference paper
Part of the Medizinische Informatik und Statistik book series (MEDINFO, volume 33)

Zusammenfassung

Die vorliegende Arbeit hat das Ziel, aufgrund von Simulationen für Studien, bei denen zensierte Lebensdauerdaten betrachtet werden, Abbruchstrategien zu formulieren, zu vergleichen und Anwendungsempfehlungen auszusprechen.

Drei unterschiedliche Teststrategien werden untersucht:
  • wiederholtes Testen nach fixen Zeitintervallen

  • wiederholtes Testen nach einer fixen Anzahl von Personen mit dem Zielergebnis

  • wiederholtes Testen nach einer fixen Anzahl von Personen mit einer bestimmten Beobachtungszeit.

Verglichen werden die folgenden Testverfahren:
  • Der Logrank-Test, der Gehan-Wilcoxon-Test, der Kolmogorov-SmirnovTest und der χ2-Vierfeldertafeltest.

  • Mit Hilfe von Simulationen wird untersucht, wie sich die verschiedenen Teststatistiken bei unterschiedlichen Teststrategien und unterschiedlichen Formen der Zensierung und der Lebensdauerverteilung verhalten.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Armitage, P.;,McPherson, C.K.; Rowe, B.C. (1969): Repeated significance tests on accumulating data Journal of the Royal Statistical Society Series A 132, 235–244Google Scholar
  2. Breslow, N.W.; (1970): A generalized Kruskal-Wallis test for comparing K samples subject to unequal patterns of censorship. Biometrika 57, 579–594zbMATHCrossRefGoogle Scholar
  3. Breslow, N.E.; (1978): Statistical methods for censored survival dataGoogle Scholar
  4. Technical Report No. 20, Department of Biostatistics, University of Washington, SeattleGoogle Scholar
  5. Canner, P.L.; (1977) Monitoring treatment differences in long-term clinical trials Biometrics 33, 603–615Google Scholar
  6. Cox D.R.; (1972): Regression models and life tables (with discussion) Journal of the Royal Statistical Society, Series B 34, 187–220zbMATHGoogle Scholar
  7. Fishman, G.S.; (1978): Principles of discrete event Simulation, Wiley: New YorkzbMATHGoogle Scholar
  8. Fleming, T.R.; O’Fallon, J.R.; O’Brien, P.C.; Harrington, D.P.; (1980): Modified Kolmogorov–Smirnov test procedures with application to arbitrarily right-censored data Biometrics 36, 607–625MathSciNetzbMATHGoogle Scholar
  9. Gehan, E.A.; (1965): A generalized Wilcoxon test for comparing arbitrarily singly–censored Samples Biometrika 52, 203–223MathSciNetzbMATHGoogle Scholar
  10. Gehan, E.A.; (1975): Statistical methods for survival time studies in: Staquet, M.J. (ed.) Cancer therapy: Prognostic factors and criteria 6f response Raven Press: New York, 7–35Google Scholar
  11. Jöckel, K.H.; (1980): Einige Aspekte zur Beurteilung statistischer Verfahren mittels Simulation, EDV in Medizin und Biologie 11, 88–89Google Scholar
  12. Knuth, D.C.; (1969): The art of computer programming/Addison-Wesley: New YorkGoogle Scholar
  13. Köpcke, W.; Messerer D.; Selbmann, K.H.; (1980): Strategien zum Abbruch von kontrollierten Therapiestudien - Probleme und gegenwärtige diskutierte Ansätze GMDS-Jahrestagung ErlangenGoogle Scholar
  14. Koziol, J.R.; Byar, D.P., (1975): Percentage points of the asymtotic distributions of one and two sample K-S statistics for truncated or censored data Technometrics 17, 507–10zbMATHGoogle Scholar
  15. Lee, E.T.; Desu, M.M.; Gehan, E.A.; (1975): A Monte Carlo study of the powe r of some two sample tests. Biomtrika 62, 425–432zbMATHCrossRefGoogle Scholar
  16. Lininger, L.; Gail, M.H.; Green, S.B.; Byar, D.P.; (1979): Comparison of four tests for equality of survival curves in the presence of stratification and censoring Biomtrika 66, 41. 9–428Google Scholar
  17. Mantel, N.; (1966) Evalution of survival data an two new rank order statistics arising in its consideration, Cancer Chemotherapy Reports 50, 163–170Google Scholar
  18. Peto, R.; (1972): Rank tests of maximal power against Lehmann–type alternatives Biometrika 66, 419–428Google Scholar
  19. Peto, R.; Pike, M.C.; (1973): Conservatism of the approximation 2:(0-E)2/E in the logrank test for survival data or tumor incidence data, Biometrics 29, 579–584MathSciNetCrossRefGoogle Scholar
  20. Pocock, S.J.; (1978): Size of cancer clinical trials and stopping rules, British Journal of Cancer 38, 757–766CrossRefGoogle Scholar
  21. Pocock, S.J.; (1977): Group sequential methods in the design and analysis of clinical trials Biometrika 64, 191–199Google Scholar
  22. Schumacher, M.; (1 981): Power and sample size determination in survival time studies with special regard to the censoring mechanism, Methods of Information in Medicine 20, 110–115Google Scholar
  23. Tarone, R.E.; (1981): On the distribution of the maximum of the logrank statistic and the modified Wilcoxon statistic. Biometrics 37, 79–85CrossRefGoogle Scholar
  24. Taylor, D.W.; Sackett, D.L.; Haynes, R.B.; (1980): Development of a stopping rule for the ECIC trial (a computer simulation approach) Society for Clinical Trials Conference, May 6–8, 1980, PhiladelphiaGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1981

Authors and Affiliations

  • Wolfgang Köpcke
    • 1
  1. 1.GISBiometrisches Zentrum für Therapiestudien (BZT)München 2Deutschland

Personalised recommendations