minoRityPower 다운로드 - minoRityPower 소스 코드 다운로드

minoRityPower

파워빌더

1.0.0

다운로드

minoRityPower

minoRityPower 는 특히 소수 참가자 모집을 가속화하는 데 중점을 두고 의료 시스템 수준 개입이 임상 시험 등록에 미치는 영향을 탐지하기 위한 통계적 검정력을 추정하도록 설계된 R 패키지입니다. ARPA-H 프로그램 애플리케이션용으로 개발된 이 패키지는 혼합 효과 모델과 부트스트랩 기반 시뮬레이션을 통해 시설 수준 및 참가자 수준 분석을 모두 제공합니다.

개요

임상 시험은 종종 소수 참가자를 모집하는 데 어려움을 겪어 의학 연구에서 과소대표되는 결과를 낳습니다. 의료 시스템 수준의 개입은 소수자 등록을 개선하기 위한 체계적인 변화를 구현함으로써 이 문제를 해결하는 것을 목표로 합니다. 이 패키지는 다음을 수행하는 도구를 제공합니다.

시설 수준 등록률에 대한 개입 효과를 탐지하기 위한 검정력 추정
참가자 수준 등록 확률 및 소수자 상태와의 개입 상호 작용을 분석합니다.
시설 및 개인 수준 모두에서 포괄적인 전력 분석 지원
임상 시험 데이터의 계층적 특성을 설명합니다.
다양한 효과 크기와 표본 크기에 따른 검정력 시각화

설치

 # Install from GitHub
devtools :: install_github( " biostochastics/ minoRityPower " )

분석 접근법

이 패키지는 전력 분석에 대한 두 가지 보완적인 접근 방식을 구현합니다.

1. 시설 수준 분석

이 접근 방식은 중재가 시설당 등록된 참가자 수에 어떻게 영향을 미치는지에 초점을 맞춰 시설 수준의 등록 비율을 모델링합니다.

음이항 혼합 효과 모델을 사용합니다.
시설 수준의 무작위 효과를 설명합니다.
모델 등록이 직접 계산됩니다.
채용 역량에 대한 시스템 수준의 영향을 분석하는 데 적합

 # 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
)

2. 참가자 수준 분석

이 접근 방식은 개입이 소수 참가자의 등록 가능성에 어떻게 영향을 미치는지에 초점을 맞춰 개별 등록 확률을 모델링합니다.

로지스틱 혼합 효과 모델을 사용합니다.
개입과 소수자 지위 간의 상호작용을 통합합니다.
개별 등록 결정을 모델링합니다.
차등 개입 효과 분석에 적합

 # 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
)

주요 특징

시설 수준 분석 기능

음이항 분포를 사용하여 등록률 모델링
등록 수의 과분산을 설명합니다.
시설 무작위 효과 통합
비율 탐지를 위한 검정력 추정

참가자 수준 분석 기능

로지스틱 회귀를 사용하여 등록 확률 모델링
소수자 지위와의 상호작용 효과를 테스트합니다.
시설 내 클러스터링을 위한 계정
다양한 소수민족 등록률 지원

공유 기능

계산 효율성을 위한 병렬 처리
부트스트랩 기반 시뮬레이션 접근 방식
다중 유의수준 검정(0.05, 0.01, 0.005)
출판 준비가 완료된 시각화
포괄적인 출력 저장

산출

이 패키지는 두 분석 유형 모두에 대한 자세한 출력을 제공합니다.

수치 출력

여러 유의수준에서의 검정력 추정
수렴율 및 모델 진단
효과 크기 추정 및 신뢰 구간
CSV 형식의 요약 테이블

그래픽 출력

표본 크기에 따른 검정력 곡선
효과 크기 조합별 패싯 플롯
상호작용 효과 시각화
PDF 형식의 출판 준비 그림

예시 워크플로

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)">

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 )

참고자료

이 패키지를 사용하는 경우 다음을 인용해 주세요.

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} }">

 @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 }
}