基于双终点的优化加权Hochberg检验与样本量最小化策略

临床研究中多重检验的权重分配常具主观性。研究人员创新性地将样本量优化与加权Hochberg检验相结合，提出改进的修剪加权Hochberg（improved trimmed weighted Hochberg）方法，在控制族系错误率（FWER）的同时提升统计功效，并为双假设检验场景填补了样本量优化方法空白。

　　

在涉及多重终点(multiple endpoints)的临床试验中，传统权重分配方法往往依赖主观判断。这项研究巧妙地将样本量最小化目标与加权Hochberg检验相结合，为双假设检验场景开发出创新的改进修剪加权Hochberg程序（improved trimmed weighted Hochberg procedure）。相较于原始方法，新方案不仅显著提升统计功效(statistical power)，还放宽了对依赖结构的限制条件，确保族系错误率(Familywise Error Rate, FWER)控制更稳健。研究团队通过量化分析手段，首次实现了该检验框架下的样本量最优化，为临床研究设计提供了兼具数学严谨性与操作可行性的解决方案。典型案例演示验证了该方法在平衡临床重要性与检验效能方面的独特优势。