Resampling bei Konfidenzintervallen für adaptive Designs

Adaptive sequentielle Studiendesigns erlauben eine flexible Wahl von Designparametern im Verlauf einer Studie, wie beispielsweise die adaptive Wahl der Stichprobengröße zukünftiger Stufen. Solche Studiendesigns werden immer wichtiger für die klinische und pharmazeutische Forschung. Obwohl von wesentlicher Bedeutung für die Anwendungen, wurden erst kürzlich Konfidenzintervalle für solche Studiendesigns vorgeschlagen. Da diese Konfidenzintervalle normalverteilte Beobachtungen zur Voraussetzung haben, sind sie nur begrenzt anwendbar. Insbesondere ist bei relativ kleinen Fallzahlen der einzelnen Stufen eine Approximation durch Normalverteilungen meist unzulässig. Bei einstufigen Studiendesigns führen oft Bootstrap- oder andere Resampling-Verfahren zu einer besseren Approximation. Ziel dieses Forschungsprojektes ist es Resampling-Verfahren für Konfidenzintervalle bei mehrstufigen adaptiven Studiendesigns zu entwickeln und deren Eigenschaften zu untersuchen.