10、贝叶斯生存元实验设计：利用历史数据的创新方法

贝叶斯生存元实验设计：利用历史数据的创新方法

1. 引言

在药物开发项目中，通常会包含多个具有不同研究目标、终点和患者群体的临床试验。对于单试验贝叶斯样本量确定已有丰富的研究。然而，在进行荟萃分析时，如何适当考虑研究间的异质性是一个关键问题。

近期，一种使用生存模型的贝叶斯荟萃分析方法被开发出来，用于规划II/III期抗糖尿病药物开发项目。在此基础上，开发了一个用户友好的SAS宏，名为BSMED，用于利用历史元生存数据进行贝叶斯生存元实验设计。该宏扩展了现有模型和方法，允许纳入各种类型的历史元生存数据，还能让用户输入不同的随机化比例、累积时间、随访时间和年化事件率等。

2. 元设计设置

2.1 符号说明

考虑随机试验，每个试验有两个治疗组：对照组和实验组。设 $n_{ij}$ 表示第 $j$ 个随机试验中第 $i$ 个治疗组的样本量（$i = 0$ 表示对照组，$i = 1$ 表示实验组，$j = 1,2,\cdots,J$），$N_j=\sum_{i = 0}^{1}n_{ij}$ 表示第 $j$ 个随机试验的总样本量。$p_j$ 表示对照组受试者的比例（随机化比例），$\lambda_j$ 表示年化事件率，$TA_j$ 和 $TF_j$ 分别表示第 $j$ 个试验的累积时间和最小随访时间。

通过随机化比例分配样本量：$n_{0j}=\lfloor p_jN_j\rfloor$，$n_{1j}=N_j - n_{0j}$，其中 $\lfloor x\rfloor$ 是小于或等于 $x$ 的最大整数。年化事件率用于指定抽样先验中平均生存时间的设计值。

2.2 元试验设计变量的输入数据