adaptive-trial-simulator

用途：为自适应临床试验设计提供统计模拟平台，在计算机内验证期中分析策略、样本量调整和早期停止规则，并检查 I 类错误是否受控。主要能力：蒙特卡洛模拟验证自适应设计；基于期中数据的样本量再估计；疗效与无效边界优化；alpha 消耗策略验证；多臂设计（drop-the-loser、II/III 期无缝设计）；寻找最大功效效率的设计参数。支持的设计类型包括 group sequential、adaptive_reestimate、drop the loser；消耗函数包括 O'Brien-Fleming、Pocock 和 Power Family。用法：需 Python 3.8+，依赖 numpy、scipy、matplotlib，先运行 pip install -r requirements.txt。常用命令：python -m py_compile scripts/main.py 校验脚本；python scripts/main.py --help 查看帮助；python scripts/main.py --design group_sequential --n-simulations 50 运行模拟；python scripts/main.py --design adaptive_reestimate --n-simulations 25 --optimize 启用优化。常用参数包括 --design、--n-simulations（默认 10000）、--sample-size、--effect-size、--alpha、--power、--interim-looks、--spending-function、--reestimate-method、--output、--visualize、--optimize。输出为 JSON 结果，含功效、I 类错误、期望样本量及早期停止率等。适用场景：需要明确假设、可复现输出格式的临床试验方案设计与操作特征评估。限制：统计复杂度高，需生物统计专业知识；大样本模拟可能耗时数小时；模型简化，不能覆盖全部真实世界复杂性；结果应交给监管专家验证。该工具仅用于研究和规划，正式实施前须由合格生物统计师与监管专家审阅。技术难度标注为 HIGH，当前为 Draft 阶段，已知存在 numpy 数组类型检查警告。具体收费、平台等信息暂未提供。