A Bayesian Phase I/II Trial Design for Immunotherapy
免疫治疗的贝叶斯 I/II 期临床试验设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦临床剂量探索和贝叶斯试验设计，未提供与所列计量领域细分直接对应的研究内容。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
免疫治疗的贝叶斯 I/II 期临床试验设计
- 研究问题
- 如何结合免疫反应、毒性与疗效设计免疫治疗剂量探索试验，从风险收益权衡中确定生物学最优剂量？
- 方法与思路
- 作者用 Emax 模型描述免疫反应，再以潜变量联合建模条件毒性与疗效，并根据累积数据更新剂量随机分配。
- 材料陈述的贡献
- 摘要提出同时考虑三类结局的贝叶斯设计，并称模拟中目标剂量选择和患者分配具有良好的运行表现。
- 阅读关注点
- 核对风险收益评价函数、三类结局的联合模型、先验设定与随机分配规则，以及模拟中的剂量反应情景。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；先验、停止规则及模拟数值未说明，不能据此判断实际临床适用性。
原文摘要
Immunotherapy is an innovative treatment approach that stimulates a patient's immune system to fight cancer. It demonstrates characteristics distinct from conventional chemotherapy and stands to revolutionize cancer treatment. We propose a Bayesian phase I/II dosefinding design that incorporates the unique features of immunotherapy by simultaneously considering three outcomes: immune response, toxicity and efficacy. The objective is to identify the biologically optimal dose, defined as the dose with the highest desirability in the risk-benefit tradeoff. An Emax model is utilized to describe the marginal distribution of the immune response. Conditional on the immune response, we jointly model toxicity and efficacy using a latent variable approach. Using the accumulating data, we adaptively randomize patients to experimental doses based on the continuously updated model estimates. A simulation study shows that our proposed design has good operating characteristics in terms of selecting the target dose and allocating patients to the target dose.