潜在高斯过程模型及其在临床试验监测中的应用
统计方法学
2014-04-01 v1
摘要
在许多临床试验中，由于疾病在长期缓解后频繁复发（例如 35 周），需要反复施加治疗。大多数统计学研究侧重于整体试验设计（如样本量和功效计算）或试验完成后的数据分析，而在提高试验监测效率（如因无效而提前终止试验）方面所做工作甚少。此类试验监测面临的挑战主要源于需要对患者的重复结局进行恰当建模。我们提出了一种针对具有重复且可能呈周期性二元结局的临床试验的贝叶斯试验监测方案。我们构建了一个潜在高斯过程（LGP）来模拟此类试验中的离散纵向数据。LGP 描述了产生观测到的纵向二元结局的潜在基础过程。我们研究了所提出模型的后验一致性性质，并采用混合蒙特卡洛算法进行后验推断。我们在各种临床场景下进行了模拟研究，并基于真实试验报告了一项案例研究。
引用
@article{arxiv.1403.7853,
title = {A Latent Gaussian Process Model with Application to Monitoring Clinical Trials},
author = {Yanxun Xu and Yuan Ji},
journal= {arXiv preprint arXiv:1403.7853},
year = {2014}
}