minoRityPower
1.0.0
minoRityPower est un package R conçu pour estimer la puissance statistique permettant de détecter les effets des interventions au niveau du système de santé sur le recrutement des essais cliniques, avec un accent particulier sur l'accélération du recrutement des participants issus de minorités. Développé pour l'application du programme ARPA-H, ce package fournit des analyses au niveau de l'établissement et au niveau des participants via des modèles à effets mixtes et des simulations basées sur le bootstrap.
Les essais cliniques sont souvent confrontés à des difficultés de recrutement de participants appartenant à des minorités, ce qui entraîne une sous-représentation dans la recherche médicale. Les interventions au niveau du système de santé visent à résoudre ce problème en mettant en œuvre des changements systématiques pour améliorer la scolarisation des minorités. Ce package fournit des outils pour :
# Install from GitHub
devtools :: install_github( " biostochastics/ minoRityPower " )Le package met en œuvre deux approches complémentaires de l’analyse de puissance :
Cette approche modélise le taux d'inscription au niveau de l'établissement, en se concentrant sur la manière dont les interventions affectent le nombre de participants inscrits par établissement :
# Facility-level power analysis
facility_results <- run_power_facility(
effect_sizes1 = c( 1.25 , 1.50 ), # 25% and 50% increase in enrollment rate
Ns = c( 30 , 45 , 60 ), # Number of facilities per arm
tau2_facility = 0.64 , # Facility-level variance
mean_rate = 11 # Average monthly enrollment rate
)Cette approche modélise les probabilités d'inscription individuelles, en se concentrant sur la façon dont les interventions affectent la probabilité d'inscription des participants issus de minorités :
# Participant-level power analysis
participant_results <- run_power_participant(
effect_sizes1 = c( 1.25 , 1.50 ), # Main intervention effects
effect_sizes2 = c( 1.75 , 2.00 ), # Minority-specific effects
Ns = c( 30 , 45 , 60 ), # Facilities per arm
minority_rate = 0.3 , # Expected minority enrollment proportion
tau2_trial = 1.19 # Trial-level variance
)Le package fournit une sortie détaillée pour les deux types d’analyse :
library( minoRityPower )
# 1. Facility-level analysis
facility_results <- run_power_facility(
effect_sizes1 = c( 1.25 , 1.50 ),
Ns = c( 30 , 45 , 60 ),
tau2_facility = 0.64 ,
R_boot = 1000
)
# 2. Participant-level analysis
participant_results <- run_power_participant(
effect_sizes1 = c( 1.25 , 1.50 ), # Main effects
effect_sizes2 = c( 1.75 , 2.00 ), # Minority interaction effects
Ns = c( 30 , 45 , 60 ),
minority_rate = 0.3 ,
R_boot = 1000
)
# 3. View results
print( facility_results $ power_table )
print( participant_results $ power_table )
# 4. Display plots
print( facility_results $ power_plot )
print( participant_results $ power_plot )Si vous utilisez ce package, veuillez citer :
@software { your_citation_2024 ,
author = { Sergey Kornilov } ,
title = { minoRityPower : Power Analysis for Healthcare System Interventions in Clinical Trial Enrollment } ,
year = { 2024 } ,
publisher = { GitHub } ,
version = { 0.1.1 } ,
url = { https://github.com/biostochastics/minoRityPower }
}Ce projet est sous licence MIT - voir le fichier LICENSE pour plus de détails.
Les contributions sont les bienvenues ! Veuillez soumettre les problèmes et les demandes d'extraction via GitHub.
Ce travail a été développé pour soutenir l'évaluation des interventions au niveau du système de santé pour l'application du programme ARPA-H, en se concentrant sur l'accélération du recrutement des essais cliniques parmi les participants minoritaires.
