使用 R 贝叶斯证据合成工具应用元分析预测先验
应用统计
2019-12-12 v2
摘要
在临床试验设计和分析中使用历史数据已展现出诸多优势，例如减少研究内安慰剂治疗受试者数量以及提高研究功效。元分析预测（MAP）方法通过分层模型考虑试验间异质性，从而从历史（通常是对照）数据中导出信息先验。本文介绍了实现 MAP 方法的 RBesT（R Bayesian Evidence Synthesis Tools）软件包，支持正态（已知抽样标准差）、二项和泊松终点。分层 MAP 模型通过 MCMC 进行评估。使用期望最大化算法用参数化混合密度近似表示 MAP 先验的 MCMC 数值样本。参数化混合密度表示便于 MAP 先验的交流，并能够通过快速且精确的解析过程评估具有信息 MAP 先验的试验设计特性。本文首先介绍了该设定下的稳健贝叶斯证据合成框架，然后解释了 RBesT 如何促进从历史对照数据中导出和评估信息 MAP 先验。此外，我们还描述了元分析框架如何与包括成功概率计算在内的进一步应用相关联。
引用
@article{arxiv.1907.00603,
title = {Applying Meta-Analytic-Predictive Priors with the R Bayesian evidence synthesis tools},
author = {Sebastian Weber and Yue Li and John Seaman and Tomoyuki Kakizume and Heinz Schmidli},
journal= {arXiv preprint arXiv:1907.00603},
year = {2019}
}
备注
27 pages, 3 figures, RBesT R package on CRAN https://cran.r-project.org/package=RBesT