在二分类结局的临床试验分析中纳入外部信息

外部信息（如先验信息或专家意见）在临床试验的设计、分析和解释中可发挥重要作用。然而，迄今为止，针对二分类结局的临床试验如何纳入外部信息的研究甚少，这或许是因为人们认为利用正态近似可将二分类结局视为正态分布结局来处理。本文表明，这两类临床试验的表现可能不同，因此在分析具有二分类结局的临床试验时需要特别小心。具体而言，我们首先考察了一种简单但常用的单变量贝叶斯方法，并发现了一个技术缺陷。随后，我们研究了使用不同 Beta 先验的完整贝叶斯方法，以及一种基于置信分布 (CD) 概念的新频率学派方法。我们利用临床研究和模拟数据对这些方法进行了说明和比较。完整贝叶斯方法在理论上是健全的，但令人惊讶的是，在偏态先验分布下，由边缘后验分布得出的估计值可能并不落在边缘先验与临床试验数据似然函数的估计值之间。我们将这种反直觉的现象称为“后验不一致现象”(discrepant posterior phenomenon)，而 CD 方法中不会出现此现象。CD 方法在计算上也更为简便，且可直接应用于任何先验分布（无论对称还是偏态）。