基于汤普森采样的序贯多分配随机试验自适应随机化方法

响应自适应随机化（RAR）在传统的单阶段临床试验中已被广泛研究，已被证明能带来伦理和统计上的益处，尤其是在具有多个治疗组的试验中。然而，RAR及其潜在益处在一系列多阶段随机试验（SMARTs）中尚未得到充分研究，而SMARTs是评估多阶段治疗方案的金标准试验设计。我们提出了一套基于汤普森采样（TS）的SMARTs RAR算法，TS是单阶段试验中广泛使用的RAR方法，其中治疗随机化概率与治疗最优的估计概率对齐。我们关注SMARTs中的两个常见目标：（i）比较试验中嵌入的治疗方案，以及（ii）估计最优嵌入方案。我们在所提出的算法下开发了有效的治疗后推断程序。这是非平凡的，因为（即使在单阶段设置中）RAR可能导致估计量的非正态极限分布。我们的算法是多阶段试验中首个考虑估计量非正则性的RAR算法。基于真实世界SMARTs的实证研究表明，TS可以在不牺牲试验后比较效率的情况下改善试验内受试者的结果。