选择相关外部数据的贝叶斯方法（BASE）：在血友病基因治疗试验中长期结局研究中的应用
统计方法学
2026-01-19 v4
摘要
基因治疗旨在解决疾病的根本原因，特别是那些源于可能危及生命或严重致残的罕见基因缺陷的疾病。尽管近年来有越来越多的基因疗法获得监管批准，但在随访时间有限的试验中了解其长期疗效仍然具有挑战性。为了解决这一关键问题，我们提出了一种新颖的贝叶斯框架，旨在选择性地将相关外部数据与内部试验数据整合，以改善对长期疗效持久性的推断。我们证明了所提方法具有理想的理论性质，例如识别并偏好被认为相关的外部子集，其中相关性定义为内部数据与所选外部数据的生成机制之间由边际似然导出的相似性。我们还进行了全面的模拟以评估其在各种情况下的性能。此外，我们应用该方法预测并推断接受 Etranacogene dezaparvovec 治疗的患者长期的内源性凝血因子 IX（FIX）水平。我们估计的长期 FIX 水平（已由最近的试验数据验证）表明，Etranacogene dezaparvovec 诱导了持续的 FIX 产生。总之，该框架的理论发现、模拟结果和成功应用突显了其在实际应用中解决类似长期有效性估计和推断问题的潜力。
引用
@article{arxiv.2403.13260,
title = {A Bayesian Approach for Selecting Relevant External Data (BASE): Application to a study of Long-Term Outcomes in a Hemophilia Gene Therapy Trial},
author = {Tianyu Pan and Yiyao Shi and Xiang Zhang and Weining Shen and Ting Ye},
journal= {arXiv preprint arXiv:2403.13260},
year = {2026}
}