增强I期癌症试验中的剂量选择：整合非DLT不良事件的贝叶斯逻辑回归模型扩展

本文介绍了负担贝叶斯逻辑回归模型（BBLRM），这是对贝叶斯逻辑回归模型（BLRM）的改进，用于I期肿瘤试验的剂量探索。BBLRM基于剂量限制性毒性（DLT）确定最大耐受剂量（MTD）。然而，临床医生通常认为像BLRM这样的基于模型的设计复杂且不如基于规则的设计（如广泛使用的3+3方法）保守。为解决这些问题，BBLRM纳入了非DLT不良事件（nDLTAE），这些事件虽然严重程度不足以成为DLT，但表明在更高剂量下存在潜在毒性风险。BBLRM引入了一个额外参数δ来考虑nDLTAE，调整毒性概率估计，使剂量递增更加保守，同时保持准确的MTD分配。该参数基于经历nDLTAE的患者比例生成，经过调整以平衡保守性与模型性能，降低选择过度毒性剂量的风险。此外，让临床医生参与识别nDLTAE增强了他们在剂量探索过程中的参与度。一项模拟研究将BBLRM与其他两种BLRM方法以及一种纳入nDLTAE的两阶段连续再评估方法（CRM）进行了比较。结果表明，BBLRM在不损害MTD识别准确性的前提下，降低了被选为MTD的毒性剂量比例。这些发现表明，整合nDLTAE可以提高I期肿瘤试验中基于模型的设计的安全性和接受度。