为什么肿瘤相关试验中记录最后一次访视时间--写给临床试验行业的统计小白
很明显，这篇文章没有任何的技术性可言，写给临床试验行业的统计小白，普及一点生存分析的基本概念和基本常识。OS（overall survival），总生存时间，一般定义为从随机化（也可以是首次用药时间）至死亡的时间长度；这个指标几乎是任何肿瘤相关临床试验中都会采集的数据。所以OS（以及任何其它生存时间）的计算，肯定涉及两个时间点，一个起始时间、一个结局时间。起始时间，只要入组的受试者都会有，如随机化
样本量计算的目的与基本过程
样本量计算的目的：在一定检验效能（把握度）基础上，确定研究的最小规模。计算过程1、明确假设（1）明确研究设计类型，如完全随机、配对或随机区组设计；（2）确定研究的主要终点指标，也就是拿研究结果中最重要的那一个指标，作为计算样本量的依据；（3）上述主要终点指标的类型，是计量的还是计数的，是二分类还是多分类，是无序还是无序？2、指定检验水准一般双侧检验（即差异性检验）选定α=0.05，单侧检验α=0.
非劣效临床试验的样本量计算, 检验水准α到底选择0.05还是0.025
这个问题本来也没什么可说的，因为将近10年前，导师执笔的专家共识中已经明确：2016年FDA发布的指南当中也有相关的描述，和上述论文中给出的实践标准一致。可是近些年有一些其他作者，也包括一些国外的SCI论文中，对于非劣效临床试验的样本量计算问题，在实际举例时，采用了α=0.05的设定（其实是双侧），这就给人一种错觉，好像我们可以将传统假设检验0.05的水准，原封不动地应用于非劣效试验。对于非劣效的
相关分析和回归分析的区别？
网上很多文章，讲得过于复杂，甚至有些内容都是错的。这里简单概括下相关分析和回归分析的本质区别：相关分析的两个或多个变量之间，不需要因果关系（可以有也可以无，有的话也无需区分谁是“因”谁是“果”），而回归分析，需要事先确定变量当中谁是“因”谁是“果”，即需要确定的因果关系。另外（感兴趣的可以继续），对于两者的分析结果：相关分析，从变量间数量上共变的关系去阐述结果；而回归分析，是从自变量如何影响应变量
从检验效能角度说说统计推断下结论的方式
对于数据的正态性检验，方差齐性检验，还有重复测量方差分析中的球形性检验，如果P>0.05，则我们就认为满足正态性、方差齐性和球形性假定（也就是接受了H0），但是，为什么进行差异性检验，P>0.05时我们没有接受H0，即没有作出无差异的推断呢？统计推断就像是法官判案，对于正态性检验、方差齐性检验以及球形性检验，适用了“疑罪从无”的原则，也就是P>0.05时（证据不足）接受了原假设，