ANPP：用于临床试验中从多个历史数据集中借用信息的适应标准化幂先验
统计方法学
2025-05-26 v2 统计理论
统计理论
摘要
幂先验是一类流行的信息性先验，用于纳入历史数据的信息。它将历史数据的似然函数提升到一个幂次，该幂次作为折扣参数。当折扣参数被建模为随机变量时，推荐使用标准化幂先验（NPP）。当存在多个历史数据集时，关于如何为NPP的多个折扣参数选择先验以诱导理想的信息借用行为的研究有限。在这项工作中，我们通过研究NPP与贝叶斯分层模型（BHM）之间的解析关系来解决这个问题，BHM是一种广泛用于综合不同来源信息的方法。我们开发了适应标准化幂先验（ANPP），它在NPP的数据集特定折扣参数之间建立了依赖关系，从而产生与BHM相同的推断。我们在ANPP的数据集特定折扣参数的先验与BHM的方差参数的先验之间建立了直接关系。建立这种关系不仅从分层建模的角度证明了NPP的合理性，而且实现了为动态借用目的而轻松引出NPP的先验。我们通过模拟检验了ANPP的借用特性，并将其应用于一个儿科狼疮试验的案例研究。
引用
@article{arxiv.2404.02453,
title = {ANPP: the Adapted Normalized Power Prior for Borrowing Information from Multiple Historical Datasets in Clinical Trials},
author = {Yueqi Shen and Matthew A. Psioda and Luiz M. Carvalho and Joseph G. Ibrahim},
journal= {arXiv preprint arXiv:2404.02453},
year = {2025}
}