研究目的:随着现代计算技术的发展,贝叶斯统计逐渐被应用于临床试验中,为解决临床试验中的问题提供了新的工具。医疗器械领域的临床试验研究已经证明贝叶斯统计可以在临床试验的设计和分析中发挥关键作用,并且逐渐成为了研究的热点。然而,国内关于贝叶斯统计在临床试验中的应用尚处于起步阶段。因此,本研究将对贝叶斯统计在临床试验中样本量估计的应用开展探索性研究,通过模拟研究比较不同贝叶斯样本量估计方法,并在理论研究的基础上开发用于贝叶斯样本量估计的交互式程序（Bayesian Sample Size Estimation Program,Bayes SSE）,促进贝叶斯统计在临床试验中的应用。研究方法:（1）基于模拟研究,比较不同的贝叶斯方法在固定样本量设计中的应用,并将样本量估计结果与频率统计方法进行比较,同时探讨了先验分布与主要参数对不同方法的影响。（2）基于模拟研究,探索了贝叶斯方法在适应性设计中样本量估计的应用,包括贝叶斯期中分析和样本量再估计,并将结果与频率统计方法进行比较,同时探讨了先验分布与主要参数对不同方法的影响。（3）在理论研究的基础上构建贝叶斯样本量估计交互式程序Bayes SSE,阐述了基本原理与使用方法,并选用临床试验案例,探索了该程序在贝叶斯统计样本量估计中的可行性。研究结果:（1）在固定样本量设计中,采用贝叶斯后验可信区间法（Posterior Credible Interval Approach,PCIA）估计样本量时,不同积分方法的结果不同,其中平均覆盖率法（Average Coverage Criterion,ACC）和平均长度法（Average Length Criterion,ALC）的样本量估计小于最差结局法（Worst Outcome Criterion,WOC）。采用混合经典-贝叶斯法（Hybrid Classical–Bayesian Approach,HCBA）时,若试验参数所用的信息与频率统计方法相同,则样本量估计结果与频率统计方法的结果接近。在犯Ⅰ类错误的概率和样本量相同的情况下,混合经典-贝叶斯法的平均检验效能通常小于频率统计方法,且具有一定的上限,上限与先验分布有关。采用混合贝叶斯法（Hybrid Bayesian Approach,HBA）和贝叶斯因子法（Bayes Factor Approach,BFA）时,在犯I类错误的概率和样本量相同的情况下,检验效能大于频率统计方法。四种贝叶斯方法的结果均受先验信息的影响。（2）在适应性设计中,对于贝叶斯期中分析的单臂试验,频率统计中的Fleming法与贝叶斯统计中的预测样本量选择设计（Predictive Sample Size Selection Design,PSSD）法在特定条件下样本量估计结果基本相同,且贝叶斯方法的概率阈值与频率统计的Ⅰ类错误、Ⅱ类错误存在简单的函数关系;对于两臂试验,贝叶斯方法中的Whitehead方法结果受概率阈值与先验信息的影响。对于样本量再估计,若分析先验使用无信息先验,贝叶斯方法中的预测概率法与预测效能法样本量估计结果基本相同。（3）借助R包Shiny构建的贝叶斯样本量估计程序Bayes SSE提供了不同的贝叶斯方法用于固定样本量设计与适应性设计中的样本量估计,根据用户输入的参数实时动态地展示与样本量结果有关的图表变化,简化了贝叶斯样本量的计算。研究结论:（1）采用贝叶斯方法估计样本量,若试验参数所用的信息与频率统计方法相同,在大多数情况下贝叶斯方法的样本量估计结果与频率统计方法的结果接近。贝叶斯方法可以作为频率统计方法的辅助工具。贝叶斯方法的优势在于采用乐观先验可以减少样本量。（2）在固定样本量设计中,不同贝叶斯方法有其各自的优势与劣势。后验可信区间法考虑了参数估计结果的精度,混合经典-贝叶斯法、混合贝叶斯法和贝叶斯因子法考虑了假设检验的检验效能。先验信息的利用对贝叶斯样本量估计方法的影响较大。（3）在适应性设计中,对于贝叶斯期中分析,若分析先验采用无信息先验,贝叶斯方法的概率阈值与频率统计的操作特征（Ⅰ类错误、检验效能）存在简单的函数关系。Fleming法可以看作是贝叶斯PSSD法的特例。对于样本量再估计,若分析先验使用无信息先验,贝叶斯方法中的预测概率法与预测效能法可相互替代。贝叶斯方法的样本量估计容易受先验信息和概率阈值的影响,因此采用乐观先验以及降低概率阈值能减少样本量,但要注意Ⅰ类错误的膨胀。（4）用于贝叶斯样本量估计的交互式程序Bayes SSE能简化计算,提高研究效率,可用于探索临床试验中贝叶斯方法的样本量估计,为国内开展同类研究提供了简便的工具,有利于贝叶斯方法在国内临床试验中的推广。