基于贝叶斯因子的临床 phase II 试验贝叶斯最优两阶段设计

序列试验设计是提高临床试验效率的重要统计方法。贝叶斯序列试验设计主要依赖于在感兴趣的假设下进行蒙特卡罗模拟，并通过蒙特卡罗估计来检验所得设计特征。这一方法存在若干缺点，即复制贝叶斯设计的校准需要重复进行可能复杂的蒙特卡罗模拟。此外，还需要蒙特卡罗标准误来判断模拟的可靠性。这全部是由于缺乏校准使用贝叶斯因子的贝叶斯设计的闭式或数值方法。本文提出一种基于贝叶斯因子的临床 phase II 试验贝叶斯最优两阶段设计。最优两阶段贝叶斯因子设计是一种基于三角树分支构建的序列临床试验设计，我们提出一种方法来纠正引入单次中期分析后所导致的设计特征。我们基于此思想发明一种校准算法，获得最小化原假设下预期样本量的最优贝叶斯设计。实例表明，该设计可恢复 Simon 两阶段最优设计作为一种特殊情况，改进了基于贝叶斯因子的非序列贝叶斯设计，并可通过仅使用标准数值技术而非耗时的蒙特卡罗模拟来快速校准。此外，该设计允许确保对原假设有力证据的最小概率，这是其他设计所不可能实现的。由于三角树分支思想既不依赖于终点，也不依赖于使用贝叶斯因子，该设计因此可以推广到其他情境。