SMARTs中部分依从性的调整：一种贝叶斯半参数方法

许多物质使用障碍的循环性和异质性凸显了根据个体特定且不断变化的需求调整治疗类型或剂量的必要性。酒精与可卡因依赖适应性治疗研究（ENGAGE）是一项多阶段随机试验，旨在为构建改善患者治疗参与度的治疗策略提供纵向数据。然而，高不依从率以及缺乏考虑不依从性的分析工具，阻碍了研究者利用这些数据实现试验的主要目标。我们通过将目标参数定义为给定潜在依从层下不同治疗策略的均值结局，并提出一种贝叶斯半参数模型来估计该量，从而克服了这一问题。尽管这给分析增加了相当大的复杂性，但我们工作的一个重要特征是考虑部分而非二值依从类别，这在纵向研究中更具相关性。我们通过全面的模拟研究评估了方法的性能。我们在ENGAGE研究上展示了其应用，并证明最优治疗策略依赖于依从层。