关于相关兴趣量的判断获取:SHELF 扩展与 copula 方法在哮喘案例研究中的说明
统计方法学
2021-02-16 v2 机器学习
应用统计
统计计算
摘要
制药公司经常需要基于早期临床试验的有限知识对药物开发项目做出决策。在这种情况下,获取专家的判断是一种有吸引力的方法,用于综合关于未知兴趣量的证据。在计算药物开发项目成功概率时,多个兴趣量——例如药物对不同终点的影响——不应被视为不相关。我们讨论了在 SHeffield ELicitation Framework (SHELF) 内为若干相关量建立多元分布的两种方法。第一种方法获取专家在已知另一量信息条件下对某一兴趣量的判断。第二种方法,我们首先获取每个兴趣量的边际分布。然后,对每一对量,我们获取一致概率——即两者均位于各自所获中位数同侧的概率。这使我们能够指定一个 copula 以获得兴趣量的联合分布。我们展示了在一次用于评估某哮喘药物注册项目成功概率的判断获取研讨会中如何使用这些方法。专家在关键研究完成前所获的判断与最终试验结果高度一致。
引用
@article{arxiv.2102.02852,
title = {Eliciting judgements about dependent quantities of interest: The SHELF extension and copula methods illustrated using an asthma case study},
author = {Björn Holzhauer and Lisa V. Hampson and John Paul Gosling and Björn Bornkamp and Joseph Kahn and Markus R. Lange and Wen-Lin Luo and Caterina Brindicci and David Lawrence and Steffen Ballerstedt and Anthony O'Hagan},
journal= {arXiv preprint arXiv:2102.02852},
year = {2021}
}
备注
29 pages, 7 figures