协同信息驱动的联合疗法平台试验设计
统计方法学
2025-06-04 v1
摘要
联合药物疗法在增强治疗疗效方面具有广阔的前景，特别是在肿瘤学、免疫疗法和传染病等领域。然而，由于多重假设检验、共享对照组以及诱发复杂相关结构的重叠治疗组分，为这些方案设计临床试验带来了独特的统计学挑战。在本文中，我们开发了一种专为早期转化联合疗法试验量身定制的新型统计框架，重点关注平台试验设计。我们的方法引入了广义 Dunnett 程序，通过考虑治疗组之间的相关性来控制假阳性率。此外，我们提出了功效分析和样本量优化策略，利用临床前数据来估计效应量、协同参数和组间相关性。模拟研究表明，我们的方法不仅能在多种试验场景下控制各种假阳性指标，还能为最大化功效提供最佳分配比例的信息。真实数据应用进一步说明了将转化临床前见解整合到临床试验设计过程中的应用。我们提供了一个开源 R 语言包，以支持我们方法在实际中的应用。总体而言，我们的框架为早期联合疗法试验的设计提供了统计学上严谨的指导，旨在提高从实验室到临床转化的效率。
引用
@article{arxiv.2506.03086,
title = {Synergy-Informed Design of Platform Trials for Combination Therapies},
author = {Nan Miles Xi and Man Mandy Jin and Lin Wang and Xin Huang},
journal= {arXiv preprint arXiv:2506.03086},
year = {2025}
}