An Information Theoretic Approach for Selecting Arms in Clinical Trials
临床试验治疗组选择的信息论方法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：摘要研究临床试验自适应设计与治疗组选择，未明确因果效应估计或其他所列专门方向。
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
临床试验治疗组选择的信息论方法
- 研究问题
- 在观测成本较高且试验终点形式多样时，如何根据已有响应自适应分配治疗组，并可靠地选择最佳治疗组？
- 方法与思路
- 作者基于依赖情境的信息度量提出治疗组选择准则，构造响应自适应试验设计，并研究不同分配规则的渐近性质。
- 材料陈述的贡献
- 摘要称，特定信息度量下无需参数化或单调性假设即可可靠选择正确治疗组，并在高成本观测情形取得收益。
- 阅读关注点
- 应核对信息度量的具体选择、正确治疗组的定义、分配规则条件，以及二期临床试验模拟的终点与比较方案。
- 阅读边界
- 仅据所给Crossref摘要，可靠选择的完整条件、收益大小和实际实施限制未说明，不能推广为任意信息度量均有效。
原文摘要
Summary The question of selecting the ‘best’ among different choices is a common problem in statistics. In drug development, our motivating setting, the question becomes, for example, which treatment gives the best response rate. Motivated by recent developments in the theory of context-dependent information measures, we propose a flexible response-adaptive experimental design based on a novel criterion governing treatment arm selections which can be used in adaptive experiments with simple (e.g. binary) and complex (e.g. co-primary, ordinal or nested) end points. It was found that, for specific choices of the context-dependent measure, the criterion leads to a reliable selection of the correct arm without any parametric or monotonicity assumptions and provides noticeable gains in settings with costly observations. The asymptotic properties of the design are studied for different allocation rules, and the small sample size behaviour is evaluated in simulations in the context of phase II clinical trials with different end points. We compare the proposed design with currently used alternatives and discuss its practical implementation.