使用混合依赖线性尾自由先验进行聚类与元分析
统计方法学
2024-06-25 v1
摘要
我们提出了一种用于具有事件时间结果的元分析的新型非参数贝叶斯方法。该模型是线性依赖尾自由过程的一个扩展。该扩展包括一种修改，旨在促进（条件）共轭后验更新，以及一种具有随机研究分区的层次化扩展。该分区形式化为 Dirichlet 过程混合。该模型的开发是由癌症免疫疗法研究的元分析所激发。旨在验证在免疫疗法研究设计中使用相关生物标志物的有效性。该假设是关于一般免疫疗法，而非特定肿瘤类型、疗法和标志物。这一宽泛假设导致纳入的研究集合非常多样，并在研究之间造成显著异质性。
引用
@article{arxiv.2406.15912,
title = {Clustering and Meta-Analysis Using a Mixture of Dependent Linear Tail-Free Priors},
author = {Bernardo Flores and Peter Mueller},
journal= {arXiv preprint arXiv:2406.15912},
year = {2024}
}