Power Calculation for Noninferiority Stepped-Wedge Cluster Randomized Trials

在医学研究领域，科学家们经常需要跨越许多不同的地点（如医院或诊所）来测试新疗法，而不仅仅是在个体患者身上进行测试。当一种疗法无法同时在所有地方推广时——也许是因为没有足够的员工或设备来同时培训所有人——研究人员会使用一种被称为“阶梯式设计”（stepped-wedge trial）的设计。想象一场接力赛，每个跑者都在同一时间出发，但分别在不同的时刻冲过终点线；在这种研究设计中，每个小组都从标准护理开始，然后逐一切换到新疗法，直到所有人都能接受该疗法。这种方法在伦理上具有吸引力，因为没有小组会被遗留在没有新选择的状态下，而且它允许研究人员比较各组在切换前后的表现。然而，尽管科学家们早已知道如何计算证明一种新疗法比旧疗法“更好”的概率，但他们一直缺乏可靠的工具来计算证明其“同样好”的概率。这种区别至关重要，因为当一种新疗法更便宜、更安全或更易于使用时，即使它比金标准稍微有效性低一点，这一点也意义重大。

一组研究人员现在填补了这一空白，他们开发了一种新方法，旨在帮助规划那些目标是证明新方法不比当前方法差的研究设计。他们开发了一个名为 swNIsim 的计算机工具，该工具通过模拟成千上万种潜在的试验场景，来观察一项研究设计是否可行。该工具并不依赖于假设简单条件的僵化公式，而是模仿了现实世界研究中混乱的真实情况。它可以处理各种情况，例如某些医院比其他医院规模更大、每周患者人数不同，或者新疗法需要一定时间才能发挥作用。研究人员使用连续测量数据（如患者使用呼吸机的天数）和二元结果（如患者是否入院）对该方法进行了测试。通过运行这些模拟，他们发现，决定一次成功试验的最重要因素并非参与医院的数量，而是研究运行的时间段数量。

研究人员发现，在总患者数固定的情况下，将研究过程拉长到更多的时间段内，能持续提高检测出真实效应的机会。虽然增加参与的医院数量会有轻微帮助，但其效果不如单纯延长时长那样强大。他们还观察到，当医院之间的差异非常大时，得出清晰结果会变得更加困难，但该方法依然保持稳健。至关重要的是，该工具显示，平衡各组中的医院数量比拥有不均匀的组别更有效率。模拟证实，该方法能将假警报的风险控制在极低水平，从而确保当试验得出结论认为新疗法是可以接受的时，该结论在统计学上是可靠的。团队还指出，如果研究包含一些没有发生实际变化的时期，将这些时间因素从分析中剔除可以使结果更清晰，但在实践中，研究人员通常会保留它们，以解释随时间变化的自然趋势。

为了证明该工具在现实生活中的有效性，作者将其应用于两项现有研究。第一项涉及一项针对机械通气患者的试验，目标是观察一种新的护理路径能否维持较高水平的无呼吸辅助天数。使用他们的新方法，他们计算出需要每家医院每个时间段有多少名患者，才能有信心地表示新方法不比旧方法差。第二个案例关注的是旨在减少住院率的急诊科试验。在这里，该工具帮助确定了必要的样本量大小，以证明新的姑息治疗计划与标准护理具有可比性。这些案例表明，该软件能够处理复杂的现实参数，并提供关于需要多少参与者的明确指导。

作者强调，虽然他们的方法灵活且强大，但它并不是一个能消除所有不确定性的“灵丹妙药”。该工具依赖于计算机模拟，这比简单的计算需要更多的计算量，但这种额外的投入使其能够处理现代医学经常要求的复杂设计。他们还指出，目前的模型假设同一家医院内的患者之间存在特定类型的关联，未来的版本可能需要考虑患者随时间相互影响的更复杂模式。尽管如此，通过提供一个研究人员可以立即使用的免费软件包，这项工作为设计更好的、更高效的试验提供了一种切实可行的方法。它确保了当科学家着手证明一种新疗法“足够好”时，他们不是在猜测，而是在依靠一个经过现实医疗交付情况严格测试过的计划。