统计学 > 方法论
[提交于 2025年10月20日
]
标题: 在第一二阶段肿瘤剂量寻找试验中,将效用定义为不确定情况下的偏好度量
标题: Defining Utility as a Measure of Preference Under Uncertainty in Phase I-II Oncology Dose Finding Trials
摘要: 剂量寻找试验的主要目标是从候选剂量中找到一个最优剂量以进行进一步研究。 肿瘤学中的试验设计是分阶段进行的,在每个阶段都会做出如何治疗下一组患者的决定,直到达到最终样本量或提前停止试验。 这项工作将贝叶斯决策理论方法应用于该问题,提出了一种基于疗效和毒性的新效用函数,并基于冯·诺伊曼-摩根斯坦(VNM)效用理论。 我们提出的框架通过允许在判断为收益或损失时风险态度的变化,更好地捕捉真实的临床判断,这些判断是相对于一个称为参考点的中间结果定义的。 我们称这种方法为参考依赖决策理论剂量寻找(R2DT)。 一项模拟研究显示,该框架可以表现良好并产生良好的操作特性。 模拟结果表明, R2DT在候选剂量接近最低可接受疗效和最大可接受毒性阈值的场景中,更能检测到最优剂量。 所提出的框架表明,一种更灵活的效用函数,能够更好地捕捉临床医生的信念,可以导致具有良好操作特性的试验,包括找到最优剂量的高概率。 我们的工作展示了该框架的概念验证,应在更广泛的设置中进行评估。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.