通过校准贝叶斯因子引导先验信息: 临床试验中的案例研究
统计方法学
2025-08-12 v2 应用统计
摘要
在贝叶斯框架下, power prior 分布正逐渐被采纳用于临床试验及类似研究, 以整合外部和历史信息, 通常用于指示治疗效应相关参数。其应用在小样本量且实际存在可靠先验信息的情境下尤为有效。该方法的关键组成部分是其权重参数, 它控制当前分析中纳入历史信息的程度。该参数可视为固定或随机。虽然已存在多种确定其策略, 但根据完全贝叶斯方法引导权重参数的先验分布仍是一个挑战。一般而言, 该参数应谨慎选择, 以准确反映可用先验信息而不至于支配后验推断结论。为此, 我们提出了一种新方法, 通过基于模拟的校准贝叶斯因子程序来引导权重参数的先验分布。该方法允许根据数据提供的证据强度来更新先验分布: 其目标是 facilitate 当历史数据与当前信息一致时整合历史数据, 并在出现偏差时加以限制, 例如先验-数据冲突。通过模拟研究和临床试验的实际数据测试了所提方法的性能。
关键词
引用
@article{arxiv.2406.19346,
title = {Eliciting prior information from clinical trials via calibrated Bayes factor},
author = {Roberto Macrì Demartino and Leonardo Egidi and Nicola Torelli and Ioannis Ntzoufras},
journal= {arXiv preprint arXiv:2406.19346},
year = {2025}
}