跳到正文
← 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。

本页为预印本版本;arXiv 收录、作者填写的期刊信息以及作者既有发表经历,都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对,只展示已核实例,档案仍可能误合并。

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:摘要主要研究临床试验的贝叶斯证据、功效和样本量计算,未明确涉及处理效应因果识别或其他给定计量细分方向。

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
Riko Kelter

二元终点单臂二期试验中贝叶斯因子功效与样本量的免模拟计算

研究问题
如何为二元终点的单臂二期试验选择样本量,使支持有效治疗或零假设的贝叶斯证据达到预设概率与阈值要求?
方法与思路
作者基于贝叶斯因子阈值,免模拟校准贝叶斯及频率学功效、第一类错误和支持零假设的证据概率,并给出肿瘤学示例。
材料陈述的贡献
摘要称提供单臂二项试验的证据导向设计方法,并通过两个示例及 R 软件包实现展示功效和样本量计算。
阅读关注点
应核对竞争假设、先验与贝叶斯因子阈值的设定,以及免模拟计算原理和不同真实响应率下的频率学操作特性。
阅读边界
这是 arXiv 预印本,同行评审与期刊接收未核实;摘要未说明先验与校准细节,单臂证据不能自行排除历史对照差异或混杂。

原文摘要

Bayes factors provide a coherent Bayesian measure of evidence for competing hypotheses and have recently been used as the basis for single-arm phase II trial designs with binary endpoints. In contrast to classical power analyses based on test statistics and p-values, Bayes-factor based sample size calculations target high probabilities of obtaining compelling evidence either for a relevant treatment effect or for the null hypothesis, given pre-specified Bayes-factor thresholds. This paper explains how to design single-arm phase II binomial trials using Bayes factors with a focus on simulation-free calibration of Bayesian and frequentist power, type-I-error, and the probability of compelling evidence for the null. Two oncology-motivated examples illustrate the approach and are implemented in the bfbin2arm R package, with code provided in an appendix. The methodology fits naturally into current efforts to innovate and modernize clinical trial design through Bayesian and adaptive methods.

笔记与分组
相关领域论文