多中心研究中用于招募预测的时间依赖Poisson-Gamma模型
统计方法学
2023-01-11 v1
摘要
预测招募情况是多中心研究监测阶段的关键组成部分。该领域最流行的技术之一是Poisson-Gamma招募模型，一种基于双重随机泊松过程（doubly stochastic Poisson process）的贝叶斯技术。该方法将入组建模为泊松过程，其中招募率被假设为随时间恒定且服从共同的Gamma先验分布。然而，恒定率假设是一种限制性局限，在真实研究中很少适用。本文中，我们阐述了对该方法的灵活推广，其通过B样条（B-splines）建模使入组率可随时间变化。我们在模拟研究及通过对加拿大共感染队列（CCC）招募进展的估计中，展示了该方法对广泛招募行为的适用性。
引用
@article{arxiv.2301.03710,
title = {A time-dependent Poisson-Gamma model for recruitment forecasting in multicenter studies},
author = {Armando Turchetta and Nicolas Savy and David A. Stephens and Erica E. M. Moodie and Marina B. Klein},
journal= {arXiv preprint arXiv:2301.03710},
year = {2023}
}