中国药科大学研究生，中国药科大学研究生院
临床试验中多重性问题的出现往往源于某一确证性临床试验需要对多个检验假设做出统计学推断。比如多个终点、多组间比较、多阶段整体决策、纵向数据的多个时间点分析、亚组分析、同一模型不同参数组合或者不同数据集的分析、敏感性分析等，都可能涉及多重性问题。
换言之，一项完整的临床研究中，如果需要经过不止一次统计推断（多重检验）对研究结论做出决策，那么就会导致Ⅰ类错误膨胀，从而出现多重性问题。在一个假设检验中，错误地拒绝原假设称为Ⅰ类错误。若进行统计推断时遇到多重性问题但未经妥善处理，则会导致Ⅰ类错误增大。对确证性临床试验进行评价时，将Ⅰ类错误控制在可接受的概率水平上是一个重要的原则。因此在制定研究方案和进行统计分析时应慎重考虑统计推断的多重性及相关问题。
那么
多重性问题在多个终点、多组间比较、亚组分析、期中分析、纵向数据不同的时间点分析等方面都有哪些体现？
多重性调整的三大策略及三种方法都是什么？具体如何操作？
我们应该如何根据试验具体情况选择合适的多重性调整策略？
实际临床试验中又是如何实践的？
在本期《临床试验中的多重性问题》课程中，中国药科大学言方荣教授将会从概念入手，条分缕析，通过对多重性问题的表现、多重性调整策略方法的理论介绍，结合实际临床试验的案例解读，为我们系统讲述多重性问题的知识点与实践思路。
11月22日19:30锁定《临床试验中的多重性问题》直播间，一起来补齐每个人的知识网吧。
专家介绍
言方荣
中国药科大学理学院生物统计系
男，博士，教授，博士生导师，中国药科大学理学院生物统计系教研室主任，生物统计与计算药学研究中心主任美国MD Anderson癌症研究中心生物统计系访问学者，并兼任中国医药教学协会医药统计专业委员会副主任委员。主要研究领域包括：临床试验中的生物统计问题，自适应试验设计，生存分析与肿瘤精准治疗，癌症基因组学分析，群体药物代谢动力学分析及药学实验数据建模和分析，生物医药大数据及医疗大数据分析理论及应用.近年来在国内外以第一作者或通讯作者发表学术论文90多篇，单篇SCI影响因子最高74.69，代表论文包括医学及肿瘤学顶级刊物NEJM，Annals of Oncology , Clin Cancer Re (discussion paper), Genome Biology，AJRCCM，生物统计权威刊物Journal of Statistical Software, The Annals of Applied Statistics，SMMR，JRSSC，Bioinformatics, Statistics in Medicine, Pharmaceutical Statistics等，入选江苏省“六大人才”高峰项目、江苏省“青蓝工程”中青年学术带头人.现主持国家自然科学基金面上项目1项，国家社科基金面上项目1项，省部级课题3项，横向课题多项，构建临床数据库多个，开发完成系列临床试验实用软件，出版肿瘤临床试验方法学专著《肿瘤临床试验贝叶斯设计方法》，主编《Advanced Statistics in Regulatory Critical Clinical Initiatives》（Chapmam & Hall/CRC）。主持江苏省研究生优秀课程1项，江苏省研究生教改课题1项，省留学生精品培育课程及精品课程各1项，校重点建设课程1项。主持完成校级教改课题1项，作为主要完成人，获省精品课程2项（排第三），校教学成果一等奖、二等奖各一项（排名第二），主编出版教材5部。
中国药科大学研究生(中国药科大学研究生院)