结合持续再评估方法与延迟毒性的贝叶斯数据增强剂量寻找
应用统计
2014-01-09 v1
摘要
实施适应性剂量寻找设计时的一个主要实际障碍是，决策规则所使用的毒性结果可能在治疗开始后不久无法被观测到。为解决这一问题，我们提出了用于剂量寻找的数据增强持续再评估方法 (DA-CRM)。通过将未观测到的毒性自然地视为缺失数据，我们表明此类缺失数据是不可忽略的，因为其缺失性依赖于未观测到的结果。贝叶斯数据增强方法被用于从其后验全条件分布中对缺失数据和模型参数进行采样。我们通过广泛的模拟研究评估了 DA-CRM 的性能，并将其与其他现有方法进行了比较。结果表明，所提出的设计令人满意地解决了与迟发性毒性相关的问题，并具有理想的运行特征：更安全地治疗患者，并以更高的概率选择最大耐受剂量。新的 DA-CRM 在两项 I 期癌症临床试验中得到了说明。
引用
@article{arxiv.1401.1706,
title = {Bayesian data augmentation dose finding with continual reassessment method and delayed toxicity},
author = {Suyu Liu and Guosheng Yin and Ying Yuan},
journal= {arXiv preprint arXiv:1401.1706},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/13-AOAS661 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)