- 文献综述
1.1背景介绍
适应性设计是一种允许根据实验中累积的受试者数据对试验设计的一个或多个方面进行前瞻性计划修改的临床试验设计，它不能损害试验的完整性、正确性与可靠性[1]。样本量再估计是常见的适应性调整方法之一，也是决定实验成败的关键因素之一。
在实际的临床试验中，研究者往往在试验之初通过经验或预实验估计干扰参数，进而对样本量进行估计。然而，这样的估计存在偏差，可能对结果造成影响。过大的样本量会增加试验难度与成本、延长试验的周期，造成资源的浪费甚至引发伦理问题，过小的样本量则难以保证估计的精度与检验的效能甚至试验失败。因此我们需要通过样本量再估计计算出给定条件下满足临床试验所需的最小样本量，即在试验过程中根据期中分析已累计数据对试验设计阶段原假定的处理效应大小和/或方差大小进行调整，从而对样本量再估计，解决我们面临的一系列问题。
样本量的大小与样本资料的统计分布、检验水准、检验效能（power）、单双侧检验、分配比例等因素有关。在给定等相关参数与数据分布类型的情况下，我们可以反推出样本量。
1.2研究现状
根据试验过程中评价累计数据是否揭盲，样本量再估计方法可分为盲态下的样本量再估计与非盲态下的样本量再估计。临床试验的终点不同，得到的资料服从的分布不同。常见的分布有二项分布、正态分布等。目前针对不同状态下服从不同分布的资料，有不同的计算方法被提出：
本文中令表示试验药物的有效率，表示标准药物的有效率。为简化方法比较，除非特殊说明，本文仅考虑药物的两组平行对照试验，且试验组和对照组样本量为1:1。令为两组方差，为试验所需样本量。若采用频率论方法，结果检验采用对药物的治疗效果的差异性检验（）与双边假设检验（）。
给出以下几个例子：
1.2.1 盲态下正态分布资料样本量计算
针对盲态下的正态分布资料，Gould （1992）[2]提出使用EM算法估算主要疗效指标的混合数据的总体方差，按照经验或预实验估计药效有效率差异，并按如下公式估算试验样本量，
