近日，我院应用统计团队刘中强副教授撰写的高质量学术论文《Model-based adaptive randomization procedures for heteroscedasticity of treatment responses》在国际权威医学统计期刊 《Statistical Methods in Medical Research》发表。该论文从提出构思到形成初稿，中间历经多次修改完善，最终定稿发表，耗时3年零6个月，其中我校作为独立完成单位。
该成果指出，在临床试验中，患者的反应通常取决于被分配的治疗方案及自身一些重要协变量，这很可能导致治疗反应结果的异方差性。由于临床试验通常是为证实对总体人群有效而设计分配方案，因此试验一般没有足够的功效来检验交互效应的显著性。为了提高检验交互效应的效率，本文提出了两种基于异方差模型的适应性随机化分配过程，并推导出相应的极限分配比例，是经典Neyman分配的推广。同时，论文还推导估计出了所需样本量的公式。数值模拟研究表明，与传统的完全随机化过程和著名的Pocock and Simon的最小化方法相比，两种基于异方差模型的随机化过程在检验系统效应、主要治疗效应和治疗与协变量交互效应的差异上均具有更大的检验功效。此外，文章还通过数值模拟验证了极限分配比例的有效性。该研究工作得到了国家自然科学基金青年项目、教育部人文社科基金和国家统计局项目的资助。
据悉，英国学术杂志《Statistical Methods in Medical Research》是国际医学统计领域的权威期刊，刊发高质量具有原创性的研究论文，其5年-影响因子为3.2.该期刊WOS分区等级1区；SJR分区等级Q1；JCR统计学与概率论分区等级Q1; 中科院SCI期刊小类学科-统计学与概率论分区2区。
（编辑：许顺维 签审：刘春德 审核：王明中）
