尽管随机对照试验(RCT)设计已被广泛用于第二阶段的临床试验,但从伦理角度出发,临床医生们更愿意采用基于数据的自适应性随机化方法(AR):根据累积的试验信息改变分配到各组的患者比例。在以往的AR设计中,药物的疗效需要在短时间内被观测到,这样当新的患者进入试验时,研究者才能够通过之前的数据作出决策。然而,若试验药品存在疗效滞后的问题,患者对药物的反应可能无法立即被观测到。那些在做决策时没有疗效反馈的病患可能在后续的跟踪调查中反应。忽略这些病人所提供的信息可能导致某种有滞后疗效的药物被低估,使得操作者在改变分配比例时作出错误的决定。为了解决这个问题,本文提出了基于参数和非参数统计模型的两种解决方案:在非参数方法中,我们基于已有观测值患者提供的信息,使用Kaplan-Meier估计该试验组的生存曲线,计算条件期望,从而获得每个删失值的估计。在参数型方法中,我们假设反应时间服从指数分布,使用EM算法填补缺失数据并求出参数的极大似然估计。通过迭代得到满足收敛条件的参数,从而获得缺失数据的分布情况。此外,本文改进了传统的自适应随机方法,提出了基于重新估计试验功效的新的目标分配比例计算方法。同时在分配函数中加入γ根方函数,根据信息量大小调整偏离RCT的速度。本文通过模拟仿真研究来对方法的操作特性进行估计,证明了提出的分数型自适应设计方法解决了有关的滞后疗效的问题,大大缩短了试验时间。更值得一提的是,对比以往的适应性随机试验设计,我们提出的变化地控制功效以提高响应率的新方法也有不错的表现。