Bayesiaanse methoden om historische data te includeren in Fase I en Fase II klinische studies (R-8141)

Standaard RCT wordt gewoonlijk geanalyseerd door alleen de huidige data. Maar, ze zijn duur met betrekking tot de proces duur, moeite en geld, vooral als gevolg van het aantal patiënten die worden behandeld. Bovendien, er worden vragen gesteld bij het etische aspect ervan gezien dat patienten die placebo toegediend krijgen in gevaar worden gebracht. Echter, soortgelijke historische studies die zijn uitgevoerd met dezelfde controle behandeling zijn beschikbaar en kunnen worden opgenomen in de analyse van een nieuwe test. Om deze reden heeft de formele opname van historische gegevens in de analyse van een klinische trial toenemende belangstelling opgedaan. Met inbegrip van historische controles die ethische en economische voordelen hebben, waarbij (als zij naar behoren gedaan worden) minder patiënten moeten in gevaar brengen met de controle behandeling en conclusies eerder kunnen worden bereikt. Bij de MAP benadering wordt er een Bayesiaanse meta-analyse uitgevoerd door uit te gaan van dat de controleparameters van alle beproevingen verwisselbaar zijn en voortkomen uit dezelfde verdeling. Echter, vaak is de afleiding aan de hand van deze methode niet zo robuust als de historische en actuele gegevens niet compatibel zijn. De robustere versie van de MAP prior werd vervolgens voorgesteld, zodat de historische informatie minder geloofwaardig zou zijn en vervolgens de prior kan worden weggegooid als er een conflict tussen de historische en actuele gegevens is. Dit probleem werd behandeld door het toevoegen van een zwak informatieve component aan de MAP prior. Echter is het aandeel van de toegevoegde robuuste component vaak als constant ingesteld op basis van het vertouwensniveau van het clinical trial team, dat niet geschat wordt op basis van de verenigbaarheid van de historische en actuele gegevens. De MAP benadering wordt gebruikt om historische studies te integreren als er meerdere beschikbaar zijn, maar voor een enkele historische proef krijgen andere methoden, zoals de kracht prior, de voorkeur als gevolg van een uitdaging in de instelling voor de variabiliteit van de tussen studies. De power prior voorziet een eenvoudige manier om het opnemen en het benedenwaarts belasten van historische gegevens door het verhogen van de historische kans van een bepaalde macht. Maar het formuleren van deze bekende schendt the likelihood principle en heeft een eigenschap die het lenen van informatie uit historische gegevens ontmoedigt. Om deze reden werd the modified power prior(MPP) later ontwikkeld door het vermenigvuldigen van een schaalvergrootingsconstante, voor het opnemen van een enkele/meerdere historische studie/studies in de analyse van de huidige gegevens. De berekening van de schaalvergrotingsconstante is echter heel uitdagend; en het kan niet worden uitgevoerd door Bayesiaanse software zoals Winbugs. Voor meerdere historische studies wordt de MPP uitgevoerd onder de assumptie van verschillend gewicht (power) parameters met onafhankelijke verdelingen om rekening te houden met heterogeniteit tussen de historische studies. Echter, vergelijkbare patiëntenpopulaties met dezelfde ziekte hebben meer kans om dezelfde controlebehandeling nemen. Om deze reden, in deze studie zullen we de MPP voor meerdere historische gegevens overwegen met afhankelijke gewichtsparameters in een hiërarchische Bayesian framework door te veronderstellen dat we dezelfde parent verdeling gebruiken voor elke gewichtsparameter in de analyse van de klinische testen. De robuuste versie van de MPP is nog niet bestudeerd en het kan een belangrijke rol spelen om rekening te houden met de mogelijkheid dat de historische gegevens en de huidige gegevens zijn in conflict zijn met elkaar. In deze studie beschouwen we de robustere versie van de MPP dat de historische data buiten beschouwing zou kunnen laten door de krachtsparameters wanneer er een conflict is tussen de historische en huidige data.

Trefwoorden:MULTIVARIATE DATA

Disciplines:Toegepaste wiskunde, Statistische en numerieke methoden