药物获益-风险评估中多准则决策分析各类聚合函数的比较
统计方法学
2021-07-27 v1
摘要
多准则决策分析（MCDA）是一种用于药物获益-风险评估（BRA）的定量方法，它通过将全部获益与风险汇总为单一分数来进行一致比较。MCDA由若干组件构成，其中之一为效用（或损失）分数函数，该函数定义了如何将获益与风险聚合为单一量。尽管线性效用分数是BRA中最广泛使用的方法之一，但人们认识到它可能导致反直觉的决策，例如推荐获益极低或风险极高的治疗。为克服该问题，已有研究提出分数构建的替代方法，即乘积、多线性及Scale Loss Score模型。然而迄今，关于这些模型所隐含差异的多数论点仍是启发式的。本文考虑四种模型来计算聚合效用/损失分数，并在大量不同情景的广泛模拟研究及一个案例研究中比较其表现。研究发现，相较于线性和多线性模型，乘积与Scale Loss Score模型在多数情景下能提供更直观的治疗推荐决策，且对准则间的相关性更为稳健。
引用
@article{arxiv.2107.12298,
title = {A Comparison of Various Aggregation Functions in Multi-Criteria Decision Analysis for Drug Benefit-Risk Assessment},
author = {Tom Menzies and Gaelle Saint-Hilary and Pavel Mozgunov},
journal= {arXiv preprint arXiv:2107.12298},
year = {2021}
}