SAM：在临床试验中动态借用历史数据的自适应混合先验
统计方法学
2023-09-11 v2
摘要
混合先验提供了一种直观的方式来纳入历史数据，同时通过结合信息先验与非信息先验来考虑潜在的先验-数据冲突。然而，预先指定各成分的混合权重仍是一项关键挑战。理想情况下，混合权重应反映先验-数据冲突的程度，而这往往事先未知，给混合先验的应用与接受造成了重大障碍。为应对这一挑战，我们提出了自适应混合（SAM）先验，其利用似然比检验统计量或贝叶斯因子来确定混合权重。SAM 先验是数据驱动且自适应的，在先验-数据冲突证据很少（显著）时偏向信息（非信息）先验成分。因此，SAM 先验实现了动态信息借用。我们证明 SAM 先验在有限样本与大样本中均展现出良好性质，并达到信息借用一致性。此外，SAM 先验易于计算、数据驱动且无需校准，降低了数据挖掘的风险。数值研究表明，SAM 先验在有效应对先验-数据冲突方面优于现有方法。我们开发了免费提供的 R 包与网页应用，以方便 SAM 先验的使用。
引用
@article{arxiv.2305.12279,
title = {SAM: Self-adapting Mixture Prior to Dynamically Borrow Information from Historical Data in Clinical Trials},
author = {Peng Yang and Yuansong Zhao and Lei Nie and Jonathon Vallejo and Ying Yuan},
journal= {arXiv preprint arXiv:2305.12279},
year = {2023}
}