10、基于历史数据的贝叶斯生存元实验设计

基于历史数据的贝叶斯生存元实验设计

1. 引言

典型的药物开发项目可能包含多个临床研究，这些研究的目标、终点和患者群体可能不同。在单试验贝叶斯样本量确定方面已有丰富的文献。有人提出了一种混合频率主义 - 贝叶斯方法，用于利用文献中荟萃分析的结果确定未来随机临床试验的样本量，然而研究间的异质性会对荟萃分析产生影响，这就引出了如何在统计模型中恰当处理研究间异质性的关键问题。

近期，一种使用生存模型的贝叶斯荟萃分析方法被用于规划 II/III 期抗糖尿病药物开发项目。该方法聚焦于在药物开发项目层面确定样本量和检验效能，同时考虑了荟萃分析框架内的研究间异质性。

在此基础上，我们开发了一个用户友好的 SAS 宏 BSMED，用于基于历史元生存数据进行贝叶斯生存元实验设计。这个宏扩展了原有模型和方法，允许纳入多种类型的历史元生存数据，包括仅控制组、仅实验组、两组都有或混合类型的数据。此外，它还允许用户输入不同的随机化比例、入组时间、随访时间和年化事件率，并且可用于非元设置下的贝叶斯事件时间临床试验设计。最后，我们扩展了计算算法以生成先验预测生存数据。

2. 元设计设置

2.1 符号说明

考虑随机试验，每个试验有控制组和实验组。设 $n_{ij}$ 表示第 $j$ 个随机试验中第 $i$ 个治疗组的样本量，$N_j$ 表示第 $j$ 个随机试验的总样本量。$p_j$ 表示控制组受试者的比例（随机化比例），$\lambda_j$ 表示年化事件率，$TA_j$ 和 $TF_j$ 分别表示入组时间和最小随访时间。

2.2 元试验设计变量的输入数据

元试验的一般生存元实验设计设置的输入数据包