研究背景与问题

序贯多重分配随机试验（SMART）作为一种根据受试者个体特征和阶段性疗效动态调整干预策略的个体化医疗模式，在现代临床研究和中医药领域展现出巨大的应用潜力。特别是中医药的辨证论治动态治疗方案（DTR），其对疗效和患者的个性化需求要求越来越高，因此，如何设计合理、高效的SMART试验成为研究的关键。然而，目前关于SMART试验中连续型结局变量的样本量估计方法的研究相对较少，且在实际应用中，两阶段非对称设计下的样本量估计问题尤为突出。

研究方法

本研究旨在提出一种针对SMART两阶段非对称设计中连续型结局变量的样本量估计方法。该方法基于贝叶斯统计原理，融合了阶段性和非对称性的设计特点，能够更准确地预测实验的终点。具体方法包括： （1）建立贝叶斯模型，以描述SMART试验中连续型结局变量在不同阶段的分布特征； （2）运用自适应决策树（Adaptive Decision Tree，ADT）对个体进行分层，提高样本量估计的精度； （3）利用仿真实验对提出的方法进行验证，确保其在实际应用中的可靠性。

核心结果

本研究通过实际数据和仿真实验，验证了所提方法在两阶段非对称SMART设计中连续型结局变量样本量估计的有效性和优越性。主要结果如下： （1）与现有样本量估计方法相比，本方法在样本量估计精度上显著提高； （2）本方法对实际数据的应用展现出较高的适应性和灵活性； （3）本方法可推广应用于各种SMART试验设计，包括中医药领域的辨证论治动态治疗方案。

结论与意义

本文提出的两阶段非对称SMART设计中连续型结局变量的样本量估计方法，为SMART试验设计提供了有力支持。该方法有助于提高中医药临床试验的设计水平和干预措施的效果，推动中医药现代化和国际化进程。此外，该研究有助于进一步完善SMART试验设计理论体系，为临床实践提供有益参考，具有显著的理论和实践意义。