Integrating tumor burden with survival outcome for treatment effect evaluation in oncology trials
结合肿瘤负荷与生存结局评价肿瘤试验处理效应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：摘要围绕临床试验处理效应的估计目标与评价方法展开，归入因果推断。
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…
结合肿瘤负荷与生存结局评价肿瘤试验处理效应
- 研究问题
- 在早期肿瘤临床试验数据有限时，如何联合利用肿瘤负荷与生存结局，构造能够捕捉治疗有效性信号的评价目标和方法？
- 方法与思路
- 作者提出基于效用的贝叶斯方法，联合建模纵向肿瘤负荷与生存数据，并在简单模拟设定中考察新估计目标的频率学性质。
- 材料陈述的贡献
- 摘要称，新方法和估计目标旨在提高早期试验的疗效信号捕捉能力，模拟显示第一类错误相对受控，并讨论作为确证终点的潜力。
- 阅读关注点
- 应核对效用函数的临床含义、联合模型与先验、死亡后的肿瘤负荷处理，以及检验校准和确证试验使用所需的额外证据。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未说明具体模型和错误率，简单模拟不足以确认其作为三期试验终点的有效性。
原文摘要
In early-phase cancer clinical trials, the limited availability of data presents significant challenges in developing a framework to efficiently quantify treatment effectiveness. To address this, we propose a novel utility-based Bayesian approach for assessing treatment effects in these trials, where data scarcity is a major concern. Our approach synthesizes tumor burden, a key biomarker for evaluating patient response to oncology treatments, and survival outcome, a widely used endpoint for assessing clinical benefits, by jointly modeling longitudinal and survival data. The proposed method, along with its novel estimand, aims to efficiently capture signals of treatment efficacy in early-phase studies and holds potential for development as an endpoint in Phase 3 confirmatory studies. We conduct simulations to investigate the frequentist characteristics of the proposed estimand in a simple setting, which demonstrate relatively controlled Type I error rates when testing the treatment effect on outcomes.