本书可作为高等院校生物统计学、临床试验设计课程的教材，以及医院和药企的生物统计人员的参考用书。本书内容全面，与国际前沿的临床试验设计方法接轨，突出统计学的基本思想与实际应用，不仅包括了生物统计的基本概念，也系统地介绍了临床试验设计中经典以及前沿的各类统计学方法（包括频率学派和贝叶斯学派）。本书具有以下特点： （1）内容新颖丰富，介绍了许多国内尚未普及、但在国外常见的试验设计，是生物统计从业人员的必备参考书。 （2）作者给出了自己对统计的理解、较为详细的公式推导和模拟实例，风格严谨、实践性强。 （3）首次对贝叶斯统计方法在临床试验设计中的应用作了非常详细和全面的介绍，是一本了解和学习贝叶斯统计和临床试验设计不可或缺的好书。

前辅文
第一章 统计学基础
  1.1 统计学在医学中的应用
  1.2 随机变量及统计分布
   1.2.1 离散型分布函数
   1.2.2 连续型分布函数
  1.3 多元统计分布
  1.4 Copula 函数
  1.5 中心极限定理与Delta方法
  1.6 频率学派的统计方法
   1.6.1 最大似然估计
   1.6.2 置信区间
   1.6.3 假设检验
  1.7 小结
第二章 贝叶斯统计方法
  2.1 贝叶斯公式
  2.2 先验分布
   2.2.1 先验分布的类型
   2.2.2 共轭先验分布
   2.2.3 Jeffreys 先验分布
   2.2.4 参照先验分布
   2.2.5 基于历史数据的幂方先验分布
   2.2.6 相称先验分布
  2.3 可信区间
  2.4 Lindley 悖论
  2.5 p值与后验概率的关系
   2.5.1 连续型数据的假设检验
   2.5.2 两分类型数据的假设检验
  2.6 简单假设检验下p值与后验概率的比较
   2.6.1 平均p值与平均后验概率
   2.6.2 p值与后验概率的数值模拟比较
  2.7 贝叶斯因子
  2.8 贝叶斯模型平均方法
  2.9 贝叶斯分层模型
  2.10 贝叶斯广义矩方法
  2.11 统计决策理论
  2.12 马尔可夫链蒙特卡罗方法
   2.12.1 逆变换抽样法
   2.12.2 拒绝抽样法
   2.12.3 Gibbs 抽样法
   2.12.4 Metropolis--Hastings 算法
  2.13 小结
第三章 广义线性模型
  3.1 线性模型
  3.2 广义线性模型
   3.2.1 指数分布族
   3.2.2 联接函数
   3.2.3 模型参数的估计
  3.3 贝叶斯学派的线性模型
  3.4 贝叶斯广义线性模型
  3.5 两分类型数据的潜变量模型
  3.6 小结
第四章 生存分析
  4.1 基本概念
  4.2 Log-rank 检验
  4.3 指数分布下的生存模型
  4.4 Cox 比例风险模型
  4.5 可加风险模型
  4.6 加速失效时间模型
  4.7 加速风险模型
  4.8 分位数回归模型
  4.9 治愈率模型
  4.10 小结
第五章 临床试验的简介及相关概念
  5.1 一期至四期临床试验的简介
   5.1.1 一期临床试验
   5.1.2 二期临床试验
   5.1.3 三期临床试验
   5.1.4 四期临床试验
  5.2 临床试验的基本概念与结构
   5.2.1 研究方案
   5.2.2 研究目标
   5.2.3 参与标准与病人招募
   5.2.4 统计效能及样本量的计算
   5.2.5 盲法
   5.2.6 随机化分组
   5.2.7 病人的不良反应
   5.2.8 收尾工作
第六章 适应性随机化方法
  6.1 简介
  6.2 简单随机化分组
  6.3 排列区块随机化分组
  6.4 分层随机化分组
  6.5 基于协变量的适应性随机化分组
  6.6 偏币设计
  6.7 优者首选原则
   6.7.1 非随机化的优者首选原则
   6.7.2 随机化的优者首选原则
  6.8 劣者淘汰原则
  6.9 最优适应性随机化分配
   6.9.1 两分类型数据
   6.9.2 连续型数据
   6.9.3 生存时间型数据
  6.10 双重适应性的偏币设计
  6.11 贝叶斯适应性随机化分配
   6.11.1 固定参照的适应性随机化分配
   6.11.2 移动参照的适应性随机化分配
  6.12 权衡疗效与毒性的适应性随机化分配
   6.12.1 疗效数据的生存模型
   6.12.2 毒性数据的Probit 模型
   6.12.3 疗效与毒性的权衡
  6.13 固定与适应性随机化分配的比较
  6.14 小结
第七章 一期临床试验设计的统计方法
  7.1 药物的最大耐受剂量
  7.2 药物剂量的确定
  7.3 3+3设计
  7.4 持续再评估方法(CRM)
   7.4.1 CRM 模型
   7.4.2 先验与后验分布
   7.4.3 剂量探寻算法
   7.4.4 试验模拟
  7.5 基于贝叶斯模型平均的持续再评估方法
   7.5.1 CRM 骨架
   7.5.2 BMA-CRM
   7.5.3 剂量探寻算法
   7.5.4 试验模拟
   7.5.5 BMA-CRM 设计的敏感性分析
  7.6 控制过高剂量的递增设计
  7.7 贝叶斯最优区间设计
  7.8 稳健最优区间设计
   7.8.1 复合假设检验
   7.8.2 试验模拟
  7.9 控制过高剂量的非参数方法
   7.9.1 非参数概率模型
   7.9.2 剂量探寻算法
   7.9.3 试验模拟
  7.10 小结
第八章 延迟型毒性结果的剂量探寻方法
  8.1 延迟效应与数据缺失问题
  8.2 分数化持续再评估方法
   8.2.1 删失数据的重新加权
   8.2.2 分数化CRM
  8.3 时间跟进型持续再评估方法
   8.3.1 加权二项似然函数
  8.4 试验模拟
  8.5 小结
第九章 联合用药的剂量探寻方法
  9.1 联合用药的目的
  9.2 联合用药的难点
  9.3 联合用药剂量探寻方法的简介
  9.4 分级亚组试验设计
  9.5 Copula 模型设计
   9.5.1 Clayton 模型
   9.5.2 多药物联合试验
   9.5.3 剂量探寻算法
   9.5.4 试验模拟
  9.6 列联表设计
   9.6.1 二元变量下的列联表
   9.6.2 列联表设计
   9.6.3 试验模拟
  9.7 列联表方法与Copula 模型的关系
  9.8 贝叶斯最优区间设计
   9.8.1 双药联用BOIN 设计
   9.8.2 双药联用ROI 设计
  9.9 抽样聚集再评估方法
   9.9.1 动态排序
   9.9.2 抽样聚集CRM
   9.9.3 剂量探寻算法
   9.9.4 试验模拟
  9.10 一期与二期无缝双药联用试验
   9.10.1 一期与二期无缝设计
   9.10.2 试验模拟
  9.11 小结
第十章 二期临床试验设计的统计方法
  10.1 Simon 二阶段试验设计
  10.2 贝叶斯二阶段设计
   10.2.1 贝叶斯二阶段设计: 两分类型数据
   10.2.2 贝叶斯二阶段设计: 生存时间型数据
  10.3 基于贝叶斯后验概率的二期临床试验设计
  10.4 基于贝叶斯预测概率的二期临床试验设计
  10.5 随机化二期临床试验的预测监控
  10.6 二元结果的贝叶斯二期临床试验设计
   10.6.1 双变量二元结果
   10.6.2 试验停止界限
  10.7 无缝单臂转双臂式的二期临床试验设计
   10.7.1 假设检验
   10.7.2 无效性停止界限
   10.7.3 可测疗效差异
   10.7.4 设计参数的确定
  10.8 贝叶斯单臂转双臂式的转换假设检验的试验设计
   10.8.1 转换假设检验的试验设计
   10.8.2 频率学派下的错误率
   10.8.3 设计参数的确定
  10.9 一期与二期无缝接轨试验
   10.9.1 主要目的
   10.9.2 似然函数与先验分布
   10.9.3 优势比与剂量探寻算法
   10.9.4 试验模拟
  10.10 小结
第十一章 三期临床试验的统计方法
  11.1 简介
  11.2 假设检验
   11.2.1 三期临床试验的分类
  11.3 优效性与非劣效性试验的比较
  11.4 连续型数据的样本量计算
   11.4.1 差异性检验
   11.4.2 优效性试验
   11.4.3 非劣效性试验
   11.4.4 等效性试验
  11.5 两分类型数据的样本量计算
   11.5.1 差异性检验
   11.5.2 基于合并样本方差的样本量
   11.5.3 基于单独样本方差的样本量
   11.5.4 优效性试验
   11.5.5 非劣效性试验
   11.5.6 等效性试验
  11.6 生存时间型数据的样本量计算
   11.6.1 生存曲线的比较
   11.6.2 指数分布下的样本量计算
  11.7 因果关系与目标分析人群
   11.7.1 因果关系推断和反事实变量
   11.7.2 目标分析人群
  11.8 小结
第十二章 成组序贯设计
  12.1 成组序贯方法
   12.1.1 多重检验
   12.1.2 Pocock 设计
   12.1.3 O'Brien--Fleming 设计
   12.1.4 信息的累积与渐近分布
   12.1.5 临界常量的计算
   12.1.6 样本量与扩充倍数
   12.1.7 无效性停止界限
   12.1.8 重复置信区间
  12.2 贝叶斯随机化试验
   12.2.1 贝叶斯设计
   12.2.2 第一类与第二类错误率
  12.3 贝叶斯设计的第一类错误率
   12.3.1 贝叶斯设计的多重检验问题
   12.3.2 控制第一类错误率: 两分类型数据
   12.3.3 后验概率的阈值
   12.3.4 控制第一类错误率: 连续型数据
   12.3.5 试验案例
  12.4 基于贝叶斯决策理论的成组序贯设计
   12.4.1 损失函数
   12.4.2 反向推演算法
   12.4.3 试验模拟
  12.5 贝叶斯适应性成组序贯设计
   12.5.1 损失函数
   12.5.2 单步反向推演算法
   12.5.3 损失函数与频率学派第一类错误率的关系
   12.5.4 试验模拟
  12.6 小结
第十三章 适应性试验设计
  13.1 设计目的
  13.2 Fisher 组合检验
  13.3 条件效能
  13.4 适应性成组序贯设计
  13.5 自行设计的试验方法
  13.6 小结
参考文献