Код IBM SPSS/SAS/R Project для расчета доверительных интервалов для исследования биоэквивалентности проведенному по адаптивному (adaptive/sequential) дизайну

Код для определения доверительных интервалов исследования биоэквивалентности для T-R контраста. С учетом структуры данных использована модель (ALL FIXED):
Y = Subject(Sequence*Stage) + Period(Stage) + Formulation + Sequence + Sequence(Stage) + Stage
Фактор: Formulation(Stage) – не включен.
Альфа = 0.05 (должна быть переопределена в зависимости от использованного алгоритма).

SPSS GLM:

1
2
3
4
5
6
7
8
9
GLM
LnVar BY Period Sequence Formulation Subject Stage
/CONTRAST(Formulation)=Simple(1)
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/CRITERIA=ALPHA(.1)
/PRINT ETASQ  PARAMETER
/EMMEANS=TABLES(Formulation) COMPARE ADJ(LSD)
/DESIGN= Subject(Sequence*Stage) Period(Stage) Formulation Sequence Sequence(Stage) Stage.


SPSS UNIANOVA:

1
2
3
4
5
6
7
8
9
UNIANOVA
LnVar BY Period Formulation Sequence Stage Subject
  /CONTRAST(Formulation)=Simple
  /METHOD=SSTYPE(3)
  /INTERCEPT=INCLUDE
  /CRITERIA=ALPHA(0.1)
  /PRINT ETASQ  PARAMETER
  /EMMEANS=TABLES(Formulation) COMPARE ADJ(LSD)
  /DESIGN=Subject (Sequence*Stage) Period(Stage) Formulation Sequence Sequence(Stage) Stage.

SAS:

1
2
3
4
5
6
7
8
PROC GLM data=pkdata;
    CLASS Period Sequence Formulation Subject Stage;
    MODEL logCMAX = Sequence Subject(Sequence*Stage) Period(Stage) Sequence(Stage) Stage Formulation;
   *RANDOM SUBJECT(SEQUENCE*STAGE) /TEST;
    LSMEANS  Formulation / PDIFF=control("R") CL  ALPHA=0.1;
    ESTIMATE "Test - Reference" Formulation  -1 1;
    ods output LSMeanDiffCL=LSMeanDiffCL;
RUN;

R Project (см. комментарий):

1
2
3
4
5
6
7
8
9
10
11
12
13
lmobj   <- lm(log(Param)~Formulation+Period%in%Stage+Sequence+Sequence%in%Stage+Stage+Subject%in%Sequence:Stage, data=pkdata)
lnCI    <- confint(lmobj, c("FormulationT"), level=0.9)
lnPE     <- coef(lmobj )["FormulationT"]
typeIII  <- drop1(lmobj, test="F")
mse      <- summary(lmobj )$sigma^2
CV <- 100*sqrt(exp(mse)-1)
PE <- exp(lnPE)*100
CI <- exp(lnCI)*100
print (typeIII)
print (CV)
print (PE)
colnames (CI)<- c("Lower level","Upper level")
print(CI)

Оценка ДИ соответствует значениям, полученным в Phoenix WinNonlin.

Комментарий по R Projet:
Если смотреть на описаие модели, то указанный код R Project должен ей соответствовать. Но print (typeIII) не дает полных результатов. Вызов car::Anova(lmobj, type = 3) отдает “there are aliased coefficients in the model”. На результаты оценки доверительного интервала некоторые особенности формулировки модели не влияют, если заменить на:

1
 lmobj   <- lm(log(Param)~Formulation+Period:Stage+Sequence+Sequence:Stage+Stage+Subject%in%Sequence:Stage, data=pkdata)

Или:

1
 lmobj   <- lm(log(Param)~Formulation+Period:Stage+Sequence+Sequence:Stage+Stage+Subject, data=pkdata)

То оценка доверительного интервала не изменится. Разумеется изменится оценка значимости в ANOVA.
Fixed VS Random: На мой взгляд позиция EMA (all fixed) более взвешена. Но опять же – на оценке ДИ это не сказывается.

Добавить комментарий