A Flexible Approach for Predictive Biomarker Discovery
精准医学的一项核心工作是发现预测性生物标志物;它们定义了从给定治疗中获益最多或最少的患者亚群。这些生物标志物的鉴定通常是相关但根本不同的治疗规则估计任务的副产品。在协变量数量超过参与者数量的临床试验中，使用治疗规则估计方法来识别预测性生物标志物通常会导致高错误发现率。高于预期的假阳性数量转化为在进行药物靶标鉴定和诊断测定开发的后续实验时浪费的资源。患者的结果反过来受到负面影响。我们提出了一个可变的重要性参数，直接评估潜在的预测生物标志物的重要性，并开发了一个灵活的非参数推断程序，这个估计。我们证明了我们的估计是双稳健和渐近线性宽松的条件下的数据生成过程中，允许有效的推断的重要性度量。该方法的统计保证进行了验证，在一个彻底的模拟研究代表随机对照试验与中等和高维协变量向量。然后，我们的程序用于从最近完成的临床试验中招募的转移性肾细胞癌患者的肿瘤基因表达数据中发现预测性生物标志物。我们发现，我们的方法更容易区分预测性非预测性生物标志物比程序的主要目的是治疗规则估计。一个开源的软件实现的方法，uniCATE R包，简要介绍。
2022-06-01 stat.ME
Identification of prognostic and predictive biomarkers in high-dimensional data with PPLasso
在临床试验中，识别预后和预测性生物标志物对精准医疗至关重要。预后性生物标志物可用于预防疾病的发生，并且预测性生物标志物可用于鉴定具有从治疗中的潜在益处的患者。以往的研究主要集中在临床特征方面，基因组数据在这方面的应用研究较少。需要一种新的方法来同时选择在生物标志物高度相关的高维基因组数据中的预后和预测生物标志物。我们提出了一种新的方法，称为PPLasso（预后预测套索）集成到一个统计模型的预后和预测效果。PPLasso还考虑了生物标志物之间的相关性，这些相关性可能会改变生物标志物选择的准确性。我们的方法包括在应用广义Lasso之前转换设计矩阵以去除生物标志物之间的相关性。在一个全面的数值评估中，我们表明PPLasso在各种情况下在预后和预测生物标志物识别方面优于传统的Lasso方法。最后，我们的方法被应用到公开的转录组数据从临床试验RV144。我们的方法在Comprehensive R Archive Network（CRAN）提供的PPLasso R包中实现。
2022-06-27 stat.ME
The Future will be Different than Today: Model Evaluation Considerations when Developing Translational Clinical Biomarker
Genentech Inc.（基因泰克公司）；University of Washington（华盛顿大学）；Flatiron Health, Inc.（Flatiron Health公司）；University of California, Berkeley（加州大学伯克利分校）
寻找翻译生物标志物是医疗保健个性化医疗未来的中心舞台。我们观察到在鉴定稳健的生物标志物方面存在显著的挑战，因为一些在一种情况下表现出色的生物标志物在新的试验中往往表现不佳（例如，不同的人群、适应症）。随着临床试验领域的快速发展（例如测定、疾病定义），新试验很可能在许多方面与传统试验不同，在生物标志物的开发中应考虑这种异质性。作为回应，我们建议在评估生物标志物时考虑建立异质性。在本文中，我们提出了一种评价策略，通过使用留一研究（LOSO）代替传统的交叉验证（CV）方法来解释用于构建和测试生物标志物的试验之间的潜在异质性。为了证明K倍与LOSO cv在估计生物标志物的效应量方面的性能，我们利用了来自临床试验和模拟研究的数据。在我们的评估中，LOSO cv提供了对未来业绩的更客观的估计。这一结论在不同的评价指标和不同的统计方法中仍然成立。
2021-07-13 cs.LG stat.AP
Leveraging External Data for Testing Experimental Therapies with Biomarker Interactions in Randomized Clinical Trials
本文提出一种置换检验方法，利用已完成临床试验和电子健康档案等外部数据，在随机临床试验结束时检验实验性疗法是否在任何患者亚组中均无疗效改善，从而在存在异质性治疗效应时提高检验效能并控制假阳性率。
2025-06-04 stat.ME
Robust Detection of Covariate-Treatment Interactions in Clinical Trials
检测临床试验中处理效应和患者描述之间的相互作用对于优化药物开发过程至关重要。临床试验中积累的数据量不断增加，为发现新的生物标志物和进一步实现个性化医疗目标提供了独特的机会，但它也需要能够检测非线性信号（有时是微弱信号）的创新的稳健生物标志物检测方法。基于随机游动理论，我们提出了一组新的单变量统计检验，它能够捕获非线性和非单调的协变量-处理相互作用。我们还提出了一种新的组合测试，它利用了我们提出的所有单变量测试到一个单一的一般情况下的工具的力量。我们提出了合成试验和现实世界的临床试验的结果，在那里我们将我们的方法与最先进的技术进行比较，并证明了我们的方法的实用性和鲁棒性。
2017-12-21 stat.AP stat.CO stat.ME
Rejoinder to "Multivariate Bayesian Logistic Regression for Analysis of Clinical Trial Safety Issues"
对W.“临床试验安全性问题分析的多变量贝叶斯逻辑斯谛回归”的反驳。DuMouchel [arXiv：1210.0385].
2012-10-02 stat.ME
Predictive Directions for Individualized Treatment Selection in Clinical Trials
在许多临床试验中，不同亚组的个体经历了不同的处理效应。这导致治疗获益的个体差异。在这篇文章中，我们介绍了预测方向的一般概念，这是由潜在的结果考虑动机的风险评分。这些技术大量借用充分降维（SDR）和因果推断方法。在某些条件下，可以使用SDR文献中的现有方法来估计假设理想化的完整数据结构的方向，从而产生对临床试验数据集的明显扩展。此外，我们推广的方向的想法，利用支持向量机的非线性设置。该方法与应用程序说明了一系列的结直肠癌临床试验。
2018-07-09 stat.ME
Joint modelling of longitudinal and time-to-event data applied to group sequential clinical trials
通常在测量长期至事件发生时间终点（如总生存期或无进展生存期）的III期临床试验中，研究者还收集可能预测主要终点的生物标志物的重复测量结果。尽管这些数据可能无法直接用于支持早期停止决策，但我们是否可以更好地利用这些数据来提高效率并改善中期决策？我们提出了一个纵向和时间事件数据的联合模型和一种方法，该方法建立了联合模型中参数的连续估计值在中期分析中的分布。有了这个，我们可以使用估计值来定义有效性和无效性停止规则。使用模拟，我们评估了纳入生物标志物信息的好处和对中期决策的影响。
2022-11-29 stat.ME
Discussion of "Multivariate Bayesian Logistic Regression for Analysis of Clinical Trial Safety Issues" by W. DuMouchel
W.“用于临床试验安全性问题分析的多变量贝叶斯逻辑斯谛回归”讨论。DuMouchel [arXiv：1210.0385].
2012-10-02 stat.ME
Active Clinical Trials for Personalized Medicine
个体化治疗规则（ITR）根据个体患者的特征定制治疗。它们可以显著改善患者护理，因此越来越受欢迎。随机临床试验期间收集的数据通常用于估计最佳ITR。然而，这些试验通常是昂贵的运行，而且，他们不是为了有效地估计ITR。在本文中，我们提出了一个成本效益的估计方法，从主动学习的角度。特别是，我们的方法只从正在进行的临床试验中招募“信息量最大”的患者（就学习最佳ITR而言）。仿真研究和真实数据的例子表明，我们的积极的临床试验方法显着改善竞争的方法。我们得出的风险界限，并表明他们支持这些观察到的经验优势。
2015-06-29 stat.ME
Discussion of "Multivariate Bayesian Logistic Regression for Analysis of Clinical Trial Safety Issues" by W. DuMouchel
W.“用于临床试验安全性问题分析的多变量贝叶斯逻辑斯谛回归”讨论。DuMouchel [arXiv：1210.0385].
2012-10-02 stat.ME
Towards More Flexible False Positive Control in Phase III Randomized Clinical Trials
III期随机临床试验在评估新的医疗产品方面发挥着至关重要的作用。由于我们在评估医疗产品功效的能力中固有的不确定性，对试验结果的解释依赖于统计学原理，以将假阳性的误差控制在理想水平以下。成熟的统计假设检验程序存在两个主要局限性，即声称成功的阈值缺乏灵活性，以及缺乏控制大量试验可能产生的假阳性总数的能力。我们提出了两个一般的理论框架的基础上，传统的频率主义范式和贝叶斯的观点，这提供了现实的，灵活的和有效的解决方案，这些限制。我们的方法是基于感兴趣的试验人群的效应量分布。该分布的估计实际上是可行的，因为clinicaltrials.gov提供了一个集中的数据存储库，无偏地覆盖了临床试验。我们提供了两个框架的详细发展与行业赞助的III期随机临床试验获得的数值结果。
2019-02-21 stat.ME
An adaptive enrichment design using Bayesian model averaging for selection and threshold-identification of tailoring variables
针对当前生物标志物驱动的自适应富集设计的假设局限，本研究提出一种带自由节点B样条建模、贝叶斯模型平均估计的贝叶斯自适应富集设计，可识别重要个体化变量，支持期中分析提前终止与入组调整，经模拟验证其操作特性并与现有方法对比。
2024-05-13 stat.ME
Dynamic borrowing from historical controls via the synthetic prior with covariates in randomized clinical trials
针对类风湿关节炎临床试验场景，提出带协变量的贝叶斯合成先验方法SPx，仅需试验级汇总统计量即可动态借用历史对照信息，在保证频率学性质的前提下有效减少新试验的对照组规模。
2025-07-31 stat.ME
Next generation clinical trials: Seamless designs and master protocols
本文综述无缝临床试验与主方案如何通过阶段衔接和多疗法、多亚组统一框架提升癌症药物开发效率，并结合真实案例分析其优势、成功原则及监管挑战。
2024-05-10 stat.ME
A general Bayesian approach to design adaptive clinical trials with time-to-event outcomes
提出一种基于部分似然的通用贝叶斯框架，用于设计具有生存时间结局的适应性临床试验，无需指定完整数据生成过程，对基线风险函数形式稳健，并通过重新设计疫苗临床试验验证了方法优势。
2025-07-15 stat.ME
Combining Evidence from Clinical Trials in Conditional or Accelerated Approval
有条件（欧洲药品管理局）或加速（美国食品和药物管理局）的药物批准允许更早地获得有希望的新治疗，以解决未满足的医疗需求。为了获得完全批准，通常必须满足某些上市后要求，例如进行新的上市后临床试验。我们研究了最近开发的谐波均卡方检验的适用性，这个有条件或加速批准框架。所提出的方法可用于支持上市后试验的设计和对两项试验提供的综合证据的分析。其他的方法被认为是两个试验规则，费舍尔的标准和斯托弗的方法。与一些传统方法相比，谐波均数卡方检验总是需要上市后临床试验。如果上市前临床试验的p值<< 0.025，则上市后临床试验所需的样本量小于两次试验规则。为了说明，我们将调和均数卡方检验应用于获得EMA有条件（后来完全）市场许可的药物。通过仿真研究，对调和均数卡方检验和两次试验规则的运行特性进行了详细的研究。最后，我们研究了这两种方法在正在进行的上市后试验中期计算功效的适用性。预计这些结果将有助于设计和评估所需的上市后研究，以达到完全批准所需的证据水平。
2022-10-18 stat.ME
Adaptive Cohort Size Determination Method for Bayesian Optimal Interval Phase I/II Design to Shorten Clinical Trial Duration
最近，肿瘤学剂量优化策略已转向进行多次给药的II期随机对照试验。从I期试验数据中选择最佳生物剂量以确定II期试验的候选剂量已受到关注。本研究提出了一种新的自适应队列规模确定方法，用于最佳生物剂量发现，以加速试验。根据正在进行的试验的毒性和疗效数据自适应地确定队列规模扩展。在仿真中，所提出的方法缩短了试验时间，并保持精度。与非适应性队列规模确定设计相比，试验持续时间平均缩短约20%。使用一个简单的例子证明了队列规模的扩展。
2023-02-13 stat.ME
Improving efficiency of inference in clinical trials with external control data
假设我们对临床试验中的治疗效果感兴趣。由于样本量较小，推断的效率可能受到限制。然而，外部对照数据通常可从历史研究中获得。幽门螺杆菌感染的应用程序的动机，我们展示了如何借用这些数据的力量，以提高在临床试验中的推理效率。在关于潜在结果平均值的互换假设下，我们表明，通过合并临床试验数据和外部对照，可以降低估计平均处理效应的半参数效率界。然后，我们推导出一个双鲁棒和局部有效的估计。效率的提高是突出的，特别是当外部控制数据集具有大的样本量和小的变异性。我们的方法允许一个宽松的重叠假设，我们说明的情况下，临床试验只包含一个治疗组。我们还开发了双重稳健和局部有效的方法，将临床试验中的因果效应外推到外部人群和总体人群。我们的研究结果也为试验设计和数据收集提供了有意义的启示。我们通过模拟评估有限样本性能的估计。在幽门螺杆菌感染的应用中，我们的方法显示联合治疗比三联治疗具有潜在的疗效优势。
2021-12-09 stat.ME
Group Sequential Clinical Trial Designs for Normally Distributed Outcome Variables
在成组序贯临床试验中，在多个时间点分析累积的数据，以允许对感兴趣的假设进行早期决策。这些设计在历史上因其道德、行政和经济效益而被推荐。在这项工作中，我们讨论了一个新的Stata命令的集合，用于计算各种经典的组序贯设计的停止边界和所需的组大小，假设一个正态分布的结果变量。在此之后，我们将演示如何以图形方式比较几种设计的性能。
2017-11-28 stat.CO
Estimating Design Operating Characteristics in Bayesian Adaptive Clinical Trials
贝叶斯自适应设计在过去的几十年中随着许多新的发展在临床试验的各个阶段都得到了普及。在2019冠状病毒病大流行期间，需要建立疫苗、治疗方法和政策有效性的证据，以解决或控制危机，这突出了高效灵活的临床试验设计所带来的优势。在许多COVID-19临床试验中，由于高度的不确定性，贝叶斯自适应设计被认为是有利的。设计贝叶斯适应性试验，但是，需要广泛的模拟研究，通常被认为是具有挑战性的，特别是在时间敏感的设置，如流行病。在这篇文章中，我们提出了一套有效的估计和不确定性量化的贝叶斯自适应试验的设计操作特性的方法。具体来说，我们的抽样分布模型的贝叶斯概率陈述，通常用作决策的基础。为了展示所提出的方法的实施和性能，我们使用了一项临床试验设计，其具有在COVID-19试验中流行的有序疾病进展量表终点。然而，所提出的方法通常可以应用于临床试验的背景下，无法通过分析获得设计操作特性。
2022-03-05 stat.AP stat.ME
A web application for the design of multi-arm clinical trials
多组设计提供了在同一临床试验中评价多种治疗的有效方法。鉴于目前在许多疾病领域有大量的治疗方法可供测试，有人认为这些方法的使用应该增加。然而，对于任何给定的临床试验，都有许多可能的多组设计可以使用，并且在它们之间进行选择可能是一项困难的任务。由于缺乏用于设计多组试验的易用软件，这项任务变得更加复杂。为了帮助更广泛地实施多组临床试验设计，我们开发了一个Web应用程序，用于在使用各种流行的多重比较校正时计算样本量。此外，该应用程序支持样本量计算，以控制多种功效，以及确定优化的臂式分配比率。它使用R编程语言中的Shiny包构建，可以在任何具有互联网浏览器的设备上免费访问，并且不需要编程知识即可使用。该应用程序提供了统计学家和临床医生审查选定多组临床试验设计的操作特征所需的核心信息。我们希望这将有助于未来在实践中使用这种设计。
2019-06-21 stat.CO
Toxicity Monitoring Rule for a Two-Cohort Phase II Clinical Trial with Bivariate Beta Prior
Medical College of Wisconsin（威斯康星医学院）
本文提出基于双变量贝塔先验的贝叶斯方法，平衡了单臂和双队列监测方法的优劣，通过混合贝塔分布计算精确的操作特性。
2026-03-30 stat.ME
Post-randomization Biomarker Effect Modification in an HIV Vaccine Clinical Trial
虽然HVTN 505试验显示，与安慰剂相比，受试疫苗在预防HIV感染方面没有总体疗效，但先前的研究、生物学理论以及免疫应答标志物与疫苗接种者感染密切相关的发现产生了发生定性相互作用的假设。该假设可以用统计学方法进行评估，用于研究处理效应中间响应变量（即，主分层效应修正（PSEM）方法）。然而，现有的PSEM方法，使不可测试的结构风险假设，这样的精简版本的PSEM方法是必要的，以超越高标准的证据，以证明定性的相互作用。幸运的是，幸存者平均因果效应（SACE）文献充满了精简的方法，可以很容易地适应PSEM应用程序的特殊情况下，一个二进制的中间响应变量。我们映射这种适应，开辟了一个新的主机的PSEM方法的二进制中间变量测量通过双重抽样，为二分或故障时间的最终结果，包括或排除SACE单调性假设。新方法支持疫苗部分保护具有高多功能CD8+ T细胞应答的疫苗接受者，这是HIV疫苗领域的重要新见解。
2018-11-09 stat.AP
Estimands and their Estimators for Clinical Trials Impacted by the COVID-19 Pandemic: A Report from the NISS Ingram Olkin Forum Series on Unplanned Clinical Trial Disruptions
COVID-19疫情继续影响全球临床试验的进行。并发症可能来自流行病相关的运营挑战，如研究中心关闭、旅行限制和试验用药品供应链中断，或来自健康相关的挑战，如COVID-19感染。这些并发症中的一些会导致不可预见的并发事件，因为它们会影响与感兴趣的临床问题相关的测量的解释或存在。在这篇文章中，我们展示了ICH E9（R1）附录中关于被估量和敏感性分析的内容如何为讨论潜在的流行病相关试验中断以及将这些中断嵌入研究目的和设计元素提供了严格的基础。我们介绍了几个假设的估计策略，并审查各种因果推断和缺失数据的方法，以及统计方法，结合无偏和可能有偏估计。为了说明，我们描述了程式化试验的特征，以及它如何受到大流行的影响。这个程式化的试验将通过讨论被估量和估计量的变化来重新审视，以解释大流行的破坏。最后，我们概述了在不可预见的中断的情况下设计未来的审判的考虑因素。
2022-02-07 stat.AP stat.ME
Sample size for a non-inferiority clinical trial with time-to-event data in the presence of competing risks
竞争风险模型的分析和规划方法在近几十年的文献中已有描述，非劣效性临床试验在当前的药学实践中有帮助。Parpia等人研究了存在竞争风险的非劣效性临床试验的分析方法，世卫组织指出，比例子分布风险模型适用于生物学研究。然而，竞争风险模型的分析方法与分析单一结局的非劣效性临床试验的方法不同，因此需要相应的方法来规划此类试验。基于比例子分布风险模型，给出了存在竞争风险的非劣效性临床试验样本量计算公式。主要终点依赖于子分布风险比。基于随机对照试验的120次模拟和一个实例验证了所提出公式的经验性能。结果表明，基于韦布尔分布的非劣效性临床试验竞争风险样本量公式的经验功效可以达到目标功效。
2018-02-28 stat.AP stat.ME
A Wide and Deep Neural Network for Survival Analysis from Anatomical Shape and Tabular Clinical Data
Ludwig-Maximilians-Universität（路德维希-马克西米利安大学）
我们引入了一个广泛而深入的神经网络，用于预测从轻度认知障碍患者到阿尔茨海默病的进展。来自解剖形状和表格临床数据（人口统计学、生物标志物）的信息融合在单个神经网络中。该网络对形状变换是不变的，并且避免了识别形状之间的点对应的需要。考虑右删失至事件时间数据，即，当只知道患者在特定的时间点没有发展成阿尔茨海默病时，我们采用通常用于生存分析的损失。我们的网络经过端到端的训练，将来自患者海马形状和临床生物标志物的信息结合起来。我们对阿尔茨海默病神经成像计划数据的实验表明，我们提出的模型能够学习一个形状描述符，该描述符增强了临床生物标志物，并且在形状上优于深度神经网络，在常见的临床生物标志物上优于线性模型。
2019-09-09 cs.LG stat.ML
Incorporating External Data into the Analysis of Clinical Trials via Bayesian Additive Regression Trees
大多数临床试验涉及新治疗与对照组的比较（例如，护理标准）和处理效应的估计。外部数据，包括历史临床试验数据和真实世界的观察数据，通常可用于对照组。从外部数据中借用信息有望改善相关参数的估计，并增加检测处理效应（如果存在）的把握度。在本文中，我们建议使用贝叶斯加性回归树（BART）将外部数据纳入临床试验的分析，估计条件或人口平均处理效应的特定目标。BART自然地调整患者水平的协变量，并在不同的数据源中捕获潜在的异质处理效应，从而实现灵活的借用。仿真研究表明，BART优于分层线性模型和正态-正态分层模型。我们说明了所提出的方法与针灸试验。
2021-03-15 stat.AP stat.ME
[Invited Discussion] Randomization Tests to Address Disruptions in Clinical Trials: A Report from the NISS Ingram Olkin Forum Series on Unplanned Clinical Trial Disruptions
本文是针对Uschner等人关于临床试验中断与随机化检验研究的特邀讨论，指出靶向学习（TL）及其路线图可有效应对存在并发事件的受中断临床试验，要求作者论证随机化检验的唯一有效性。
2024-08-17 stat.AP stat.ME
Single-World Intervention Graphs for Defining, Identifying, and Communicating Estimands in Clinical Trials
当试图用简单的语言表达临床试验的目标被估量时，经常会出现混淆。我们的目标是纠正这种混乱，通过使用一种称为单世界干预图（SWIG）的因果图来提供被估量的可视化表示，可以有效地传达给跨学科的利益相关者。这些图表不仅显示被估量，而且还通过显示治疗、并发事件和临床结局之间的图形关系来说明因果被估量可识别的假设。为了证明其在药物研究中的有用性，我们提供了ICH E9（R1）附录中规定的各种并发事件策略的SWIG示例，以及来自慢性疼痛真实世界临床试验的示例。生成所有SWIG的乳胶代码都是本文所展示的.我们提倡临床试验者在其研究的计划阶段在其估计讨论中采用SWIG。
2022-06-02 stat.AP stat.ME
A Clinical Instrument to Measure Patient Anecdotes in Clinical Trials
本文提出Clinical IMPACT工具，用于捕捉神经领域非癫痫改善的定性证据，通过专家评审和统计分析提高治疗效果评估的敏感性和全面性。
2025-11-30 stat.AP stat.ME
Use of Historical Individual Patient Data in Analysis of Clinical Trials
在分析临床试验数据时，可利用既往临床试验、观察性研究和健康记录的历史数据，以加强推断。在贝叶斯框架下，通过构建一个信息丰富的先验，可以方便地将从当前数据以外的任何来源获得的信息纳入。基于历史数据定义信息先验的现有方法依赖于在研究水平上测量与当前数据的相似性，并且没有利用个体患者数据（IPD）。本文提出了一个家庭的先验知识，利用IPD加强统计推断。结果表明，所提出的先验构造方法优于现有的方法，其中历史数据与当前数据部分可交换。所提出的方法适用于IPD从一组试验中的非小细胞肺癌。
2021-03-22 stat.AP stat.ME
Optimal Cut-Point Estimation for Functional Digital Biomarkers: Application to Diabetes Risk Stratification via Continuous Glucose Monitoring
本文针对连续血糖监测数据提出一种在可分希尔伯特空间中为随机函数对象定义最优切点的新方法，用于糖尿病风险分层，为生物传感器时间序列的数字生物标志物验证提供通用工具。
2025-03-09 stat.AP stat.ME
Generalized Likelihood Ratio Statistics and Uncertainty Adjustments in Efficient Adaptive Design of Clinical Trials
基于广义似然比统计量和最优序贯检验理论，提出了一种在一般多参数指数族背景下的临床试验适应性设计的新方法。这些设计易于实现，保持规定的第一类错误概率，并且是渐近有效的。在临床试验中涉及的实际问题，允许中途适应和关于这个问题的大量文献进行了讨论，并提出了建议和现有的设计之间的比较，在广泛的模拟研究，其有限样本的性能，测量预期的样本量和功率函数。
2011-05-24 math.ST stat.ME stat.TH
Multivariate Rank-Based Analysis of Multiple Endpoints in Clinical Trials: A Global Test Approach
本文提出一种基于多元秩的全局非参数检验方法，通过联合排序分析临床试验中的多重终点，相比现有方法在控制I类错误和功效上表现更优且更具稳健性。
2023-06-28 stat.ME stat.OT
A Conservative Approach to Leveraging External Evidence for Effective Clinical Trial Design
本文提出一种保守贝叶斯临床试验设计方法，通过使样本量与离散设计先验相称来防范先验-数据冲突，并以二分类和生存终点试验为例证明适度增加II期样本量可显著提升go/no-go决策证据强度。
2023-09-20 stat.AP stat.ME
Negative Spillover: A Potential Source of Bias in Pragmatic Clinical Trials
本文探讨了实用主义临床试验中因稀缺资源分配导致的负面溢出效应偏倚，分析了其对患者导航、AI生理警报等干预效果高估的影响，并提出了检测与避免该偏倚的方法。
2024-03-26 q-bio.QM stat.ME
Generalizing trial evidence to target populations in non-nested designs: Applications to AIDS clinical trials
在大多数情况下，当试验受试者不是从目标人群中随机抽样时，来自随机试验的比较有效性证据可能无法直接推广到具有实质性利益的目标人群。出于需要从艾滋病临床试验组（ACTG）进行的两项试验中推广证据的动机，我们考虑加权，回归和双重稳健估计，以估计HIV干预措施在美国特定人群中的因果影响。我们专注于一个非嵌套试验设计和讨论策略的点和方差估计的目标人口平均处理效应。特别是在可概括性背景下，我们通过分析和经验证明，估计试验中已知的倾向得分不会增加每个加权、回归和双重稳健估计量的方差。我们应用这些方法将两项ACTG试验的平均处理效应推广到指定的目标人群，并将关键的实际考虑因素付诸实施。最后，我们报告的模拟研究，调查有限样本的操作特性的概化估计和三明治方差估计。
2022-04-11 stat.AP stat.ME
In silico clinical trials in drug development: a systematic review
University Medical Center Göttingen（哥廷根大学医学中心）；Univ Rennes（雷恩大学）；Inserm（法国国家健康与医学研究院）；EHESP（高等公共卫生学院）；F. Hoffmann-La Roche AG（罗氏制药）；Uppsala University（乌普萨拉大学）；Radboud university medical center（拉德堡德大学医学中心）；UniversitéParis Cité（巴黎西岱大学）；INRIA Paris（法国国家信息与自动化研究所巴黎分部）；European Joint Programme on Rare Diseases（欧洲罕见病联合计划）；Novartis Pharma AG（诺华制药）；Bayer Pharma AG（拜耳制药）；Warwick Clinical Trials Unit（华威临床试验单位）；Warwick Medical School（华威医学院）；University of Warwick（华威大学）；Medical University of Vienna（维也纳医科大学）
本文综述了计算机临床试验（ISCT）在药物开发中的作用，指出其主要用于癌症和影像研究，但对罕见病和儿童病的应用有限，且多数模型依赖临床数据驱动，但可重复性较低。
2025-08-04 q-bio.QM stat.ME
Adversity Index for Clinical Trials: An Inclusive Approach for Analysis of Safety Data
本文提出了一种新的临床试验不良事件数据分析方法。该方法说明了应用程序的数据在4个III期临床试验，两个乳腺癌和两个糖尿病。
2018-06-01 stat.AP
Information-adaptive clinical trials: a selective recruitment design
我们提出了一种新的适应性设计的临床试验与时间到事件的结果和协变量（可能包括或包括生物标志物）。我们的方法是基于比例风险模型的后验分布的期望熵。预期熵被评估为患者的协变量的函数，并且由于患者而获得的信息被定义为相应熵的减少。只有在候选患者可能提供足够信息的情况下，才能招募他们参加试验。筛选出具有被认为无信息的协变量的患者。一个特殊的情况是，所有患者都被招募，我们确定最佳的治疗组分配。这种自适应设计的优点是，可以使用较少的患者来阐明协变量、治疗和生存概率之间的关系，尽管这是以拒绝一些候选人为代价的。我们使用德国乳腺癌研究组的数据和生物标志物验证试验的数值模拟来评估我们的自适应设计的性能。
2016-03-28 math.ST stat.AP stat.TH
Clinical Trial Active Learning
Georgia Institute of Technology（佐治亚理工学院）
针对临床试验数据非独立同分布的问题，提出基于采集时间约束的前瞻性主动学习方法，在OCT图像疾病检测任务中，于两类测试设置下均优于传统回顾性主动学习方法。
2023-07-20 cs.LG eess.IV stat.ME
Model-based Pre-clinical Trials for Medical Devices Using Statistical Model Checking
临床试验被认为是医疗器械验证的金标准。然而，由于成本考虑和部分信息，在试验的设计和实施过程中不得不做出许多牺牲，这可能会影响试验结果的意义。在本文中，我们提出了一个基于模型的临床前试验框架，使用统计模型检查。生理模型代表疾病机制，这使得模拟结果的自动裁定。通过统计模型检查器进行患者参数采样和假设检验。该框架使更广泛的假设进行测试，保证统计学意义，这是有用的补充，临床试验。我们通过植入式心律转复除颤器的临床前试验证明了我们的框架。
2021-06-01 stat.AP
Assessing the Validity of a a priori Patient-Trial Generalizability Score using Real-world Data from a Large Clinical Data Research Network: A Colorectal Cancer Clinical Trial Case Study
现有的试验没有充分考虑其人群代表性，这可能会降低治疗应用于现实世界临床实践时的有效性。我们分析了贝伐单抗治疗结直肠癌试验的合格标准，评估了其先验的普遍性，并研究了在现实世界的临床环境中应用时如何影响患者的结局。为此，我们从OneFlorida联盟的大量电子健康记录（EHR）中提取了患者级别的数据。我们建立了一个零膨胀负二项模型，使用复合患者试验概括性（cPTG）评分来预测患者的临床结局（即，严重不良事件数量（SAE））。我们的研究结果提供了大量证据，证明1）cPTG评分可以预测患者结局; 2）与用于开发治疗的试验中的研究人群更相似的患者发生严重不良事件的可能性显著降低。
2019-06-24 stat.AP
A Machine Learning Approach for Recruitment Prediction in Clinical Trial Design
近年来，在优化临床试验患者招募方面取得了重大进展，但是，需要改进患者招募预测方法，以支持试验中心选择并在试验设计阶段估计适当的入组时间表。在本文中，使用来自数千个历史临床试验的数据，我们探索了机器学习方法来预测临床试验中心在试验招募持续时间内每月招募的患者数量。我们表明，这些方法可以减少与当前的行业标准所观察到的错误，并提出进一步改进的机会。
2021-11-14 cs.LG stat.AP stat.ML
TWIN-GPT: Digital Twins for Clinical Trials via Large Language Model
School of Public Health, Zhejiang University（浙江大学公共卫生学院）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出TWIN-GPT，利用大语言模型在有限数据下为不同患者生成个性化数字孪生，以提升临床试验结局预测性能并超越以往方法。
2024-06-29 cs.CL cs.LG stat.ME
Improving clinical trial interpretation with ACCEPT analyses
随机对照临床试验的有效决策依赖于对数值结果的可靠解释。然而，我们用来描述临床试验的语言可能会在试验设计和比较试验结果时引起混淆。使用高于阈值的概率进行的可接受性曲线估计（ACCEPT）通过协调结果报告、承认在不同情况下对结果的不同解释可能有效以及将重点从比较预先规定的值转移到对试验数据的解释来帮助进行试验之间的比较（即使是不同设计的试验）。ACCEPT可应用于历史试验或纳入未来分析的统计分析计划。一个在线工具可以同时接受多达三个试验。
2022-06-15 stat.AP
Adaptive Allocation Theory in Clinical Trials
各种自适应随机化程序（自适应设计）已被提出的临床试验。本文讨论了几个大类的过程，如玩赢家规则和马尔可夫链模型，随机玩赢家规则和瓮模型，丢弃输家规则，双偏硬币自适应设计。渐近理论提出了几个关键的证明。延迟响应的影响，这些设计的功效和变异性的比较也进行了讨论。
2006-12-28 math.PR math.ST stat.ME
Boundary crossing Random Walks, clinical trials and multinomial sequential estimation
本文给出了多项式序列无偏估计唯一性的一个充分条件，推广了二项样本序列无偏估计的一个经典结果。应用无偏估计量来推断多维或多项随机游动的参数，直到它们到达边界为止。临床试验的应用。
2011-05-13 math.PR math.ST stat.TH
Straightforward Phase I Dose-Finding Design for Healthy Volunteers Accounting for Surrogate Activity Biomarkers
针对健康志愿者I期试验，提出兼顾安全约束与替代活性生物标志物的两阶段剂量探索设计，通过算法递增和按平台选模提升最佳剂量选择效果。
2024-12-04 stat.AP
Sequential nonparametrics and semiparametrics: Theory, implementation and applications to clinical trials
Pranab K.森的主要研究领域是序贯非参数和半参数及其在临床试验中的应用，他对此做出了许多重要贡献。在此，我们回顾了其中的一些贡献和相关的发展。我们还介绍了一些非参数和半参数推断和相关的计算方法在时间序列的生存终点的临床试验的最新工作。
2008-05-16 math.ST stat.TH
Design Considerations for Factorial Adaptive Multi-Arm Multi-Stage (FAST) Clinical Trials
本研究探讨了结合析因与 MAMS 设计的 FAST 临床试验的设计选择，旨在为正在开发的试验提供兼具两者优势的高效设计方案。
2023-10-19 stat.AP
Imbalanced Randomization in Clinical Trials
随机化是临床试验中用于消除患者人群中潜在偏倚和混杂因素的常用技术。平均分配给治疗组是标准，因为在许多情况下其效率最佳。然而，在某些情况下，不平等的分配可以提高效率。在两组以上的优效性试验中，最佳随机化并不总是均衡随机化。在非劣效性试验中，等方差的加性界值是唯一的平衡随机化实例。非劣效性试验的最佳随机化可能远远不是1：1，并且可以大大提高效率，这是一个通常被忽视的事实。在http://www.statlab.wisc.edu/shiny/SSNI/上提供了一种用于计算具有正态分布、二项分布或泊松分布的加法或乘法界值的非劣效性试验的样本量的工具。
2018-09-18 stat.AP
TrialGraph: Machine Intelligence Enabled Insight from Graph Modelling of Clinical Trials
AstraZeneca（阿斯利康）；University of Cambridge（剑桥大学）
药物开发成功的一个主要障碍是临床试验的复杂性、成本和规模。临床试验数据的详细内部结构可能使常规优化难以实现。机器学习的最新进展，特别是图结构数据分析，有可能在改善临床试验设计方面取得重大进展。TrialGraph试图应用这些方法来产生一个概念验证框架，用于开发可以帮助药物开发并使患者受益的模型。在这项工作中，我们首先介绍了从CT.gov，AACT和TrialTrove数据库（n=1191项试验;代表100万例患者）中编译的精心策划的临床试验数据集，并描述了将这些数据转换为图形结构格式。然后，我们详细的数学基础和实施的选择图机器学习算法，通常使用标准的机器分类器的图形数据嵌入在一个低维的特征空间。我们训练了这些模型，以在给定疾病、现有医疗状况和治疗信息的情况下预测临床试验的副作用信息。MetaPath 2 Vec算法表现非常好，标准逻辑斯谛回归、决策树、随机森林、支持向量和神经网络分类器的典型ROC-AUC评分分别为0.85、0.68、0.86、0.80和0.77。值得注意的是，当在等效的数组结构数据上训练时，性能最好的分类器只能产生0.70的典型ROC-AUC分数。我们的工作表明，图建模可以显着提高适当数据集的预测精度。该项目的后续版本细化了建模假设，并纳入了更多的数据类型，可以在药物开发的实际应用中产生出色的预测器。
2021-12-15 cs.AI cs.LG q-bio.QM
