观察性研究中基于贝叶斯加性回归树的平均处理效应估计

目的 探讨观察性研究中贝叶斯加性回归树估计平均处理效应的统计学性能及适用条件。方法 通过模拟试验和实例分析比较贝叶斯加性回归树与多变量回归、倾向性得分匹配、逆概率加权的估计结果差异。结果 模拟试验表明,在线性假设下,贝叶斯加性回归树的估计表现与常用方法接近。当数据中变量之间关系复杂,存在非线性关系时,贝叶斯加性回归树的估计结果明显优于其他方法。当不满足可忽略性假设时,未观测到的混杂因素导致四种估计方法的结果都会存在偏倚,但是贝叶斯加性回归树的估计偏倚明显小于其他三种方法,结果相对稳健。并在实例中使用该方法估计了戒烟对于体重变化的平均处理效应。结论 在绝大多数观察性研究中,研究结局受到多个因素的影响,研究者很难正确指定变量间的关系。从模型拟合和结果准确性来说,贝叶斯加性回归树是值得推荐的方法。     

meta分析预测法在二分类终点临床试验中的应用

目的 探讨meta分析预测(meta analytic predictive, MAP)法在二分类终点临床试验中借用历史对照组数据的信息。方法 通过模拟试验评价历史试验数据的异质性及先验数据冲突对于研究的Ⅰ类错误及检验效能的影响，并对Secukinumab治疗强直性脊柱炎的实际案例进行分析。结果 当先验数据冲突不存在时，MAP方法能较好地控制Ⅰ类错误并提高检验效能。随着历史试验间异质性增加，Ⅰ类错误会略有膨胀而检验效能略有降低。当先验数据冲突时，会造成Ⅰ类错误膨胀，若历史试验利于试验组优于对照组的结论时检验效能会增加，反之检验效能会降低。Secukinumab治疗强直性脊柱炎的案例显示，MAP方法能够在新试验对照组样本量较少的情况下，借用历史试验信息，可以识别出试验药与对照药的差异。结论 本文对临床试验中信息借用的MAP方法提供了方法学和案例研究支持，评估了先验数据冲突及异质性对信息借用的影响，具有较强的实用价值。