模型不确定性下的响应自适应剂量探索

剂量探索研究常被用于评估化合物不同剂量或浓度水平对感兴趣响应的影响。应用包括研究新药、除草剂或肥料、分子实体、环境毒素或工业化学品。在药物开发中，剂量探索研究至关重要，因为监管要求上市剂量安全且具有临床相关的疗效。受一项针对中度持续性哮喘的剂量探索研究启发，我们提出了响应自适应设计，以应对剂量探索研究中的两大挑战：剂量-响应模型的不确定性和参数估计的巨大变异性。为了在正在进行的研究中分配新的患者队列，我们使用了在模型不确定性下具有稳健性的最优设计。此外，我们采用贝叶斯收缩方法来稳定自适应过程中连续中期分析中的参数估计。这种方法使我们能够计算更新的参数估计和模型概率，进而用于计算后续队列的最优设计。因此，所得设计对模型误设具有稳健性，并且能够有效地适应正在进行的研究中积累的信息。我们专注于估计最小有效剂量的自适应设计，尽管也可以使用其他最优性准则或其混合，从而使设计能够应对多个目标。