面向随机化免疫治疗临床试验的贝叶斯最优 II 期试验设计：处理延迟效应模型
统计方法学
2025-09-03 v1 应用统计
摘要
免疫治疗已彻底变革了癌症治疗，但其延迟的疗效常导致风险比例不成立，使得许多传统 II 期试验设计缺乏统计效能且易引发Ⅰ类错误膨胀。为此，我们提出一种新型贝叶斯最优 II 期试验设计（DTE-BOP2），其显式建模治疗效应分离时刻的不确定性。治疗分离时刻（记为 S）采用截断 Gamma 先验分布，其参数可通过专家主观elicitation或从历史数据推断，若先验知识匮乏时可采用默认设置。基于BOP2框架（Zhou 等 2017, 2020），本设计保持操作简洁性，同时纳入Ⅰ类错误控制并维持统计效能。广泛的模拟实验表明，DTE-BOP2在S取值范围广泛时均能将Ⅰ类错误控制在名义水平。我们进一步观察到，随着S增大，统计效能单调下降。重要的是，我们发现统计效能主要由治疗效应在分离时刻前后相对大小所决定，即中位数之比，而非其绝对值。与原始BOP2、分段加权 log-rank 检验及常规 log-rank 检验相比，DTE-BOP2在保持Ⅰ类错误稳健性的前提下，能以更小样本量实现更高效能。本研究提供了一个开源R软件包DTEBOP2（CRAN），并配有详尽教程，使研究者能够实现并分析具有延迟治疗效应的II期临床试验。
引用
@article{arxiv.2509.00238,
title = {A Bayesian Optimal Phase II Design for Randomized Immunotherapy Trials with Delayed Treatment Effects},
author = {Zhongheng Cai and Haitao Pan},
journal= {arXiv preprint arXiv:2509.00238},
year = {2025}
}
备注
Submitted to Statistics in Medicine (under review)