Evaluating the effect of different non-informative prior specifications on the Bayesian proportional odds model in randomised controlled trials: a simulation study
本研究通过模拟试验对比不同无信息先验对贝叶斯比例优势模型的影响，发现先验选择会影响治疗效应估计与早期停止决策，建议结合对照组概率分布选先验并做敏感性分析。
2025-07-29 stat.ME
Scalable Bernoulli Factory MCMC for Intractable Marginalised Posteriors
针对伯努利工厂MCMC随数据量指数级性能下降的问题，提出分治伯努利工厂MCMC算法，证明其对可分解模型具多项式复杂度，应用于两类难解似然模型的贝叶斯推理，获1.2和1阶多项式成本。
2026-09-01 stat.CO
Familywise error control in multi-armed response-adaptive trials
反应适应性设计允许在试验过程中根据累积反应数据改变随机化概率，以便更大比例的患者可以分配到表现更好的治疗。在实践中使用响应自适应设计的一个主要问题，特别是从监管的角度来看，是控制第一类错误率。特别是，我们表明，天真的z-检验可以有一个膨胀的第一类错误率，即使在应用Bonferroni校正。仿真研究经常被用来演示错误控制，但并不提供保证。在本文中，我们提出了自适应测试程序的正态分布的结果，确保强大的家庭误差控制，迭代应用条件不变原则。我们的方法可用于完全序贯和区组随机试验，并在文献中发现的一大类自适应随机化规则。我们发现，有一个很高的价格支付的权力，以保证家庭的错误控制的随机化方案与极端的分配概率。然而，对于文献中提出的贝叶斯自适应随机化方案，与z检验相比，我们的自适应检验保持或增加了试验的功效。我们使用原发性高胆固醇血症的三臂试验来说明我们的方法。
2018-03-14 stat.ME
Improving Maximum Tolerated Dose Selection in Model-Assisted Designs for Phase I Trials through Bayesian Dose-Response Model
本文针对I期试验模型辅助设计在小样本下MTD选择不稳定的问题，提出基于贝叶斯剂量-反应模型的MTD识别策略，通过跨剂量借用信息实现稳定估计，模拟显示平均将MTD选择准确性提高约6%。
2025-08-18 stat.AP
Performance of Test Supermartingale Confidence Intervals for the Success Probability of Bernoulli Trials
给定一个复合原假设H，检验上鞅是初始值为1的关于H的非负上鞅。大的测试上鞅的值提供了证据反对H。因此，检验上鞅是拒绝H的有效工具，特别是当得到的p值非常小，并作为对原假设的证明。例子包括拒绝局域实在论作为解释贝尔测试实验在物理学的基础和量子信息科学的纠缠的认证。测试上鞅的优点是在实验过程中适应性强，并允许任意的停止规则。通过接受区域的反演，它们也可以用于确定置信集。我们用一个例子来比较测试上鞅的性能计算p值和置信区间的Boff-Hoeffding界和“精确”的p值。这个例子是在一系列伯努利试验中推断成功概率的问题。对于一个特殊的检验上鞅，使用一个对停止规则没有限制的技术是有代价的，我们的研究量化了这个代价。
2017-09-12 math.ST quant-ph stat.TH
Estimating the Sampling Distribution of Posterior Decision Summaries in Bayesian Clinical Trials
本文提出利用后验分布大样本理论建立后验决策摘要抽样分布的参数模型，通过少量模拟场景估计参数，从而在纳入试验假设不确定性的同时显著降低贝叶斯临床试验设计的计算负担。
2024-04-28 stat.ME
Is control of type I error rate needed in Bayesian clinical trial designs?
University of Helsinki（赫尔辛基大学）；University of Vaasa（瓦萨大学）
本文探讨了贝叶斯临床试验设计中I类错误率控制的必要性，提出用贝叶斯方法替代传统频繁主义方法，通过后验概率进行序列误差控制，避免多重检验的膨胀效应。
2026-07-29 stat.ME
Bayesian adaptive randomization in the I-SPY2 sequential multiple assignment randomized trial
针对I-SPY2 SMART试验，提出基于汤普森采样的贝叶斯自适应随机化方法，逐阶段更新随机化概率以最大化pCR率，实证显示可提升方案特异性pCR率并有效推荐最优方案。
2025-10-14 stat.ME
A Bernoulli Mixture Model to Understand and Predict Children Longitudinal Wheezing Patterns
在这项研究中，我们估计在英国，大约$27.99(\pm2.15)\%$的人口在1岁之前经历过喘息。此外，伯努利混合模型分类被认为是最好的工作与$K=4$集群，以更好地平衡集群的可分性与它们的解释性质，基于队列的$N=1184$。在$j$第个聚类中的父母组说他们的孩子在$i$第个年龄期间已经喘息的概率被假定为$P_{ij} \sim \text{Beta}(1/2, 1/2)$，分配到每个聚类的概率为$R \sim \text{Dirichlet}_K(α)$，将$n$第个患者分配到每个聚类的概率为$Z_n\ |\ R \sim \text{Categorical}(R)$，并且在$i$第个年龄期间喘息的$n$第个患者为$X_{in}\ |\ P_{ij}, Z_n \sim \text{Bernoulli}(P_{i,Z_n})$ ;其中$i\in\{1,\dots,6\}$、$j\in\{1,\dots,K\}$和$n\in\{1,\dots, N\}$。然后通过E-M优化算法进行分类。我们发现这种聚类方法有效地将儿童晚期喘息、持续性喘息、儿童早期喘息、无喘息或散发性喘息的患者分组。此外，我们发现，这种方法是不依赖于数据集，并可以包括数据集的缺失条目。
2020-05-06 stat.AP
Likelihood-Ratio E-Value Monitoring for Benchmark-Based Decisions in Early-Phase Oncology Trials
Chuo University（中央大学）
早期肿瘤学试验需临时规则，现有设计通过后验概率等量化证据。本文提出校准e值监测（CEVAM）框架，直接根据临床基准定义监测证据，无需先验贝叶斯分析等，给出二元疗效终点的构建方法及模拟与应用结果。
2026-07-07 stat.ME
Bayesian adaptive bandit-based designs using the Gittins index for multi-armed trials with normally distributed endpoints
多组临床试验的自适应设计最近在医学研究的许多领域变得越来越流行，因为它们有可能缩短开发时间并增加患者反应。然而，开发反应适应性试验设计，为患者提供益处，同时确保所产生的试验避免偏倚，并提供所包括的不同治疗的统计学严格比较，这是非常具有挑战性的。在本文中，多臂强盗问题的理论是用来定义一个家庭的近最优的自适应设计的背景下，一个正态分布的终点与已知的方差的临床试验。通过基于正在进行的试验作为动机的模拟研究，我们报告了这些方法的操作特征（第一类错误、功效、偏倚）和患者受益，并将其与传统和现有的替代设计进行了比较。然后将这些结果与最近发表的伯努利端点的结果进行比较。两种情况下的许多限制和优点是相似的，但也有重要的区别，特别是在第一类错误控制方面。本文提出了一种基于模拟的测试程序，以纠正观察到的第一类错误通货膨胀，基于带宽和自适应规则可以诱导。通过考虑正态分布终点（临床实践中非常常见的情况，但在反应自适应理论文献中大多被忽略），所呈现的结果扩展了最近的工作，并说明了在罕见疾病背景下使用这些方法的潜在优势。我们还建议一个适当的修改实现的基于Bandit的自适应设计的情况下，常见的疾病。
2017-03-15 stat.AP
Beta processes, stick-breaking, and power laws
贝塔-伯努利过程为涉及二进制值特征集合的模型提供了贝叶斯非参数先验。从贝塔过程中提取的结果会在单位区间内产生一个概率的无限集合，而从伯努利过程中提取的结果会将这些概率转化为二进制值特征。最近的工作提供了类似于著名的狄利克雷过程的棒断裂表示的beta过程的棒断裂表示。我们直接从β过程作为完全随机测度的特征中推导出一个这样的破棒表示。这种方法激发了一个三参数推广的β过程，我们研究的幂律，可以从这个广义β过程。我们提出了一个后验推理算法的β-伯努利过程，利用棒打破表示，我们提出了一个离散因子分析模型的实验结果。
2011-09-15 stat.ME stat.ML
A Nonparametric Bayesian Design for Drug Combination Cancer Trials
我们提出了一种适应性设计的早期药物联合癌症试验的目标是估计最大耐受剂量（MTD）。非参数贝叶斯模型，使用截短到部分有序剂量组合集合的β先验，用于描述剂量限制性毒性（DLT）的概率。使用改良的连续再评估方案估计连续队列患者之间的剂量分配。DLT的更新概率是用吉布斯采样器计算的，该吉布斯采样器采用加权机制来校准数据对先验的影响。在试验结束时，我们根据我们提出的算法推荐一种或多种剂量组合作为MTD。设计运行特性表明，我们的方法是与现有的方法相媲美。作为一个例子，我们将我们的方法应用于CB-839和吉西他滨的I期临床试验。
2019-10-21 stat.AP
Thompson, Ulam, or Gauss? Multi-criteria recommendations for posterior probability computation methods in Bayesian response-adaptive trials
MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计单元）
本文提出了一种高效计算后验概率的算法，用于评估贝叶斯响应自适应试验中不同近似方法的性能，揭示精确计算在提高准确性和患者益处方面的优势。
2025-12-04 stat.AP stat.ME
A Practical Guide to Interpret a Randomized Controlled Trial
Nisantasi University Medical School（尼桑塔西大学医学院）
本文提出基于算法的框架，通过置信区间与最小临床重要差异的相对位置，将RCT结果分为六个类别，结合贝叶斯方法提升解释准确性。
2026-04-10 stat.ME
Design of Bayesian Clinical Trials with Clustered Data
The University of Queensland（昆士兰大学）；McGill University（麦吉尔大学）
本文提出一种高效方法评估贝叶斯临床试验的操作特性并确定样本量，通过理论结果将后验概率建模为聚类数函数，减少模拟次数以评估不同样本量下的操作特性。
2025-11-05 stat.ME
Simulation-Free Bayesian Power and Sample Size Calculations for Bayes Factors in Single-Arm Phase II Trials with Binary Endpoints
研究具有二元终点的单臂II期试验中贝叶斯因子的无模拟功效和样本量计算方法，通过该方法设计试验并校准相关概率，以适应临床试验设计创新现代化，两个肿瘤学例子及代码展示了该方法。
2026-07-28 stat.AP stat.ME
Lessons Learned from the Bayesian Design and Analysis for the BNT162b2 COVID-19 Vaccine Phase 3 Trial
The University of Chicago（芝加哥大学）；Laiya Consulting Inc.（来亚咨询公司）
针对BNT162b2新冠疫苗3期贝叶斯试验结果表述的混淆问题，阐明贝叶斯与常规统计报告的差异，提出四项规范建议及用BI区分贝叶斯可信区间与CI的方案，以提升临床决策支持效果。
2021-01-08 stat.AP stat.ME
A Bayesian predictive framework for adaptive interim-analysis timing with robust borrowing in confirmatory trials
Peking University（北京大学）；China Novartis Institutes for BioMedical Research Co.（诺华生物医学研究院（中国））
针对确证性III期试验，提出基于贝叶斯信息借用和贝叶斯预测概率的自适应中期分析时间框架，校准借用模型控制I类错误率，模拟显示该方法能维持错误率并提高中期效能。
2026-07-07 stat.AP
Simulation-based Bayesian predictive probability of success for interim monitoring of clinical trials with competing event data: two case studies
本文提出一种基于模拟的贝叶斯预测成功概率方法，通过为竞争事件数据指定特定原因风险的贝叶斯模型来预测试验结果，并在两项随机临床试验中验证了其应用价值。
2024-12-20 stat.AP stat.ME
Confidence intervals for average success probabilities
我们提供了Buehler最优的单侧和一些有效的双侧置信区间的平均成功概率的可能不均匀的固定长度的伯努利链，根据观察到的成功的数量。与文献中的一些说法相反，齐次情形的单侧Clopper-Pearson区间在这里并不完全稳健，即使应用于超几何估计问题也不完全稳健。
2014-12-07 math.ST stat.TH
Palindromic Bernoulli distributions
引入并研究了一类具有回文性质的联合伯努利分布。对于这样的分布，当元素的顺序颠倒时，联合概率的向量不变。我们证明了二进制变量的回文属性是等价于零约束的所有奇数阶相互作用参数，无论是在参数化是对数线性，线性或多元逻辑。特别地，我们导出了这三种模型规格的一对一参数变换，并给出了最大似然估计的简单封闭形式。一些特殊的情况下，并进行了案例研究。
2016-05-05 math.ST stat.ME stat.TH
Elementary Statistics on Trial (the case of Lucia de Berk)
在Lucia de Berk一案的判决中，法院咨询的专家使用的一个简单的超几何模型发挥了重要作用，该模型产生了一定数量事件发生的极小概率。我们想提请注意的事实是，如果我们考虑到护士在轮班期间经历的事件的差异，这些概率可能会变得相当大。这表明在这些情况下使用过于简化的离散概率模型是危险的。
2019-10-22 math.ST stat.AP stat.TH
Belief likelihood function for generalised logistic regression
School of Engineering, Computing and Mathematics（工程、计算与数学学院）；Oxford Brookes University（牛津布鲁克斯大学）
每当单个试验的不确定性被编码的信念措施（一个有限的随机集）的信念似然函数的重复试验的概念。这推广了传统的似然函数，并提供了一个自然的设置从统计数据的信念推断。因式分解的结果被证明的情况下，其中采用合取或析取组合，导致分析表达式的“尖锐”样本的情况下，伯努利试验的下限和上限的可能性，并制定一个广义的逻辑斯谛回归框架。
2018-08-20 cs.AI math.ST stat.ME
Estimation of a Probability with Guaranteed Normalized Mean Absolute Error
本文考虑重复伯努利试验中概率p的估计。遵循顺序方法，使用简单的停止规则。一个封闭形式的表达式和上界获得的平均绝对误差的无偏估计p.给出的结果允许估计任意概率与规定的水平的归一化平均绝对误差。
2018-12-18 math.ST stat.TH
Modeling Innovation Ecosystem Dynamics through Interacting Reinforced Bernoulli Processes
University of Milan（米兰大学）；IMT School for Advanced Studies Lucca（卢卡高等研究学院）；Università degli Studi di Milano-Bicocca（米兰比可卡大学）
本文提出交互强化伯努利过程模型，用于捕捉专利类别内的强化效应、跨类别的溢出效应及专利数据中的总体规律，揭示创新的累积性和相互依赖性。
2026-04-09 math.ST stat.AP stat.TH
