WOW：基于 WAIC 优化的混合先验外部数据借用门控策略
统计方法学
2025-10-07 v1
摘要
贝叶斯混合先验集成外部数据已成为临床试验中强大的工具，具有显著提升试验效率的潜力。尽管在分析可行性和实践灵活性方面具有优势，但现有方法如鲁棒元分析预测法(rMAP)和自适应混合法(SAM)常常假设借用数据，却未对是否、如何或何时进行集成进行严格评估。当外部数据与并行数据不一致时，过度借用可能导致估计偏差并产生误导性结论。为此，我们引入WOW——一种基于 KL 散度的门控策略，由广义适用信息准则(WAIC)指导。WOW对外部数据与并行试验数据进行初步兼容性评估，并据此门控借用程度。该方法先验无关，可无缝集成到任何混合先验方法中，无论是固定还是自适应加权方案，均在WOW步骤后方可使用。模拟研究表明，在贝叶斯混合先验借用方法之前引入WOW策略，能有效缓解过度借用，提高估计精度。通过提供稳健可靠的推断，WOW提升了混合先验方法的性能，支持临床试验中的更好决策。
引用
@article{arxiv.2510.05085,
title = {WOW: WAIC-Optimized Gating of Mixture Priors for External Data Borrowing},
author = {Shouhao Zhou and Qiuxin Gao and Chenqi Fu and Yanxun Xu},
journal= {arXiv preprint arXiv:2510.05085},
year = {2025}
}