Posterior Predictive Design for Phase I Clinical Trials
一期临床试验的后验预测设计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：摘要涉及临床试验剂量设计，未对应所列宏观、微观或金融计量细分。
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
一期临床试验的后验预测设计
- 研究问题
- 一期临床试验如何通过易实施的剂量升降规则识别最大耐受剂量，并改善现有区间设计的剂量选择表现？
- 方法与思路
- 作者提出后验预测设计，用贝叶斯预测假设检验构造剂量升级与降级规则，并开展理论分析和模拟比较。
- 材料陈述的贡献
- 摘要称该设计实现剂量转移的全局最优性，支持真实最大耐受剂量的一致选择，并在模拟中改善运行表现。
- 阅读关注点
- 应核对全局最优性的目标与约束、收敛结论所需条件，以及模拟中的毒性情景、比较设计和安全性评价指标。
- 阅读边界
- 所给为稿件版本未注明的OpenAlex索引摘要；最优性条件与模拟数值未提供，不能据此判断临床安全性或普遍优势。
原文摘要
Interval-based designs represent cutting-edge adaptive methodologies for phase I clinical trials to identify the maximum tolerated dose (MTD). These designs exhibit robust performance comparable to more intricate, model-based designs, and their pretabulated decision rule enables them to be implemented as simply as the conventional algorithm-based designs. In this paper, we introduce the posterior predictive (PoP) design, a novel interval-based design that leverages advanced Bayesian predictive hypothesis testing techniques for dose escalation and de-escalation. Our work moves beyond the existing model-assisted interval-based designs by achieving global optimality in dose transition. Theoretically, the global optimality ensures that the proposed design can consistently select the true MTD at an impressive convergence rate of n−1/2. Through extensive simulation studies, we demonstrate that the PoP design yields substantial improvement in operating characteristics to identify MTD, thereby presenting a valuable upgrade to the popular interval-based designs in practice.