Augmented Binary Method for Basket Trials (ABBA)
篮式试验的增强二元方法（ABBA）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。
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：摘要主要讨论临床篮式试验的贝叶斯信息借用与效率，未明确提供所列因果、离散选择或其他细分的充分依据。
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
篮式试验的增强二元方法（ABBA）
- 研究问题
- 篮式试验使用由连续指标二分而成的响应结局时，如何保留原响应终点，同时利用连续信息及跨子试验信息提高效率？
- 方法与思路
- 作者在潜变量框架下建立贝叶斯层级模型，将未二分的连续成分纳入分析，并在子试验之间借用治疗效应信息。
- 材料陈述的贡献
- 摘要称子试验效应一致时，方法缩短对数优势比的后验最高密度区间并提高功效，另以两项风湿病试验说明应用。
- 阅读关注点
- 应核对连续成分与响应终点的联合模型、层级先验及借用机制，重点检查效应异质时的区间与检验表现。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实。摘要未给出改善幅度或异质情景结果，不能将一致效应下的收益普遍化。
原文摘要
In several clinical areas, traditional clinical trials often use a responder outcome, a composite endpoint that involves dichotomising a continuous measure. An augmented binary method that improves power whilst retaining the original responder endpoint has previously been proposed. The method leverages information from the the undichotomised component to improve power. We extend this method for basket trials, which are gaining popularity in many clinical areas. For clinical areas where response outcomes are used, we propose the new Augmented Binary method for BAsket trials (ABBA) enhances efficiency by borrowing information on the treatment effect between subtrials. The method is developed within a latent variable framework using a Bayesian hierarchical modelling approach. We investigate the properties of the proposed methodology by analysing point estimates and credible intervals in various simulation scenarios, comparing them to the standard analysis for basket trials that assumes binary outcome. Our method results in a reduction of 95% high density interval of the posterior distribution of the log odds ratio and an increase in power when the treatment effect is consistent across subtrials. We illustrate our approach using real data from two clinical trials in rheumatology.