解决奥卡姆剃刀问题的贝叶斯区间剂量寻找设计：mTPI-2
统计方法学
2016-09-29 v1
摘要
使用基于区间的贝叶斯设计进行剂量寻找的兴趣日益增加，其中之一是改进的毒性概率区间（mTPI）方法。我们表明，mTPI 中的决策规则对应于正式贝叶斯决策理论框架下的最优规则。然而，mTPI 中的概率模型被奥卡姆剃刀过度锐化，这虽然在通常情况下有助于进行简约的统计推断，但在诸如剂量寻找的小样本推断中会导致次优决策。我们提出了一个钝化奥卡姆剃刀的新框架，并展示了称为 mTPI-2 的新方法的优越性能。我们提供了一个在线网络工具，用户可以通过大数据和众包生成设计、进行临床试验并检查设计的操作特性。
引用
@article{arxiv.1609.08737,
title = {A Bayesian Interval Dose-Finding Design Addressing Ockham's Razor: mTPI-2},
author = {Wentian Guo and Sue-Jane Wang and Shengjie Yang and Suiheng Lin and Yuan Ji},
journal= {arXiv preprint arXiv:1609.08737},
year = {2016}
}