用于估计群体与个体治疗效应的贝叶斯自适应N-of-1试验
统计计算
2020-07-30 v3 统计方法学
摘要
本文提出一种新颖的自适应设计算法,可用于在N-of-1临床试验中寻找最优治疗分配。该新方法使用两个拉普拉斯近似,在重复测量自适应设计框架内提供对群体与个体随机效应的计算高效估计。鉴于该方法的高效性,其亦被用于治疗方案选择,以靶向收集数据从而精确估计治疗效应。为评估该方法,我们考虑了文献中的一个模拟及一个具动机性的N-of-1临床试验。针对每项试验,我们的方法就识别每位患者最佳治疗及所获模型参数信息方面,与多臂老虎机方法及随机化N-of-1试验设计进行比较。结果表明,我们的新方法所选择的设计在达成这些目标上均具有极高效率。据此,我们提出基于拉普拉斯的算法作为设计自适应N-of-1试验的一种高效方法。
引用
@article{arxiv.1911.00878,
title = {Bayesian adaptive N-of-1 trials for estimating population and individual treatment effects},
author = {S. G. Jagath Senarathne and Antony M. Overstall and James M. McGree},
journal= {arXiv preprint arXiv:1911.00878},
year = {2020}
}