问题描述
这是我正在处理的问题。这是一个贝叶斯自适应随机化设计。符合条件的患者已随机接受标准治疗或新靶向药物治疗。试验的主要终点是 4 周的临床反应状态。设计一个 II 期试验,假设有两个组:
ARM 1:患者接受标准化疗,已知有效率 p1 = 0.2(成功后验概率 = thetaA)
ARM 2:给予患者新的新辅助化疗,这应该使反应率翻倍 p2 = 0.4(成功后验概率 = thetaB)
前 40 名患者被同样随机分配到新组 (20 + 20),然后根据成功的后验概率自适应随机分配。
为了让可能性支配后验分布,对 p1 和 p2 均采用非信息性分布(最简单的情况是在同一患者身上测试两种治疗方法,因此这意味着要考虑成功/失败概率等于 0.5 + 0.5 = 1)。我被要求进行 100 次模拟,假设参数 c 为最佳,计算随机概率 Nmax = 100(最大患者数),并最终认为:
the mean number of patients enrolled in ARM 1 and ARM 2
我还分别假设 0.01 和 0.98 是因无效和有效而提前停止的阈值,如果所有 100 名患者都经过评估,则宣布有效的阈值是 0.9。
所以我想出的模拟代码如下(设置参数,你可能会在#SET ParaMETERS点读到)
AR = function(priorA,priorB,c=1){
posteriorA = rbeta(10000,priorA[1],priorA[2])
posteriorB = rbeta(10000,priorB[1],priorB[2])
pab = posteriorA-posteriorB
pA.less.B = length(pab[pab<0])/length(pab)
pA.great.B = length(pab[pab>0])/length(pab)
pB.great.A = length(pab[pab<0])/length(pab)
rb = (pA.less.B^c)/(pA.less.B^c + pA.great.B^c)
ra = 1- rb
ar=list(ra=ra,rb=rb,pA.less.B=pA.less.B,pA.great.B = pA.great.B,pB.great.A = pB.great.A)
ar
}
update.prior = function(priorA,patientA,patientB){
priorA=priorA+patientA
priorB=priorB+patientB
prior=list(priorA=priorA,priorB=priorB)
prior
}
#SET ParaMETERS
set.seed(123)
thetaA = 0.2
thetaB = 0.4
priorA = c(0.5,0.5)
priorB = c(0.5,0.5)
inits = 20
c = 'optim'
futility = 0.01
efficacy = 0.98
nsims = 100
Nmax = 100
Na=NULL
Nb=NULL
result = NULL
Rb = NULL
for(j in 1:nsims){
Nmax=Nmax
# yA = rbinom(n=Nmax,size=1,prob=0.25)
# yB = rbinom(n=Nmax,prob=0.25)
priorA = c(0.5,0.5)
priorB = c(0.5,0.5)
treatment=NULL
posterior=NULL
success = NULL
for (k in 1:inits){
patientA = rbinom(1,prob=thetaA)
patientB = rbinom(1,prob=thetaB)
prior=update.prior(priorA,c(patientA,1-patientA),c(patientB,1-patientB))
priorA=prior$priorA
priorB=prior$priorB
success=c(success,patientB)
}
A=inits
B=inits
treatment[1:(A+B)]=rep(c('A','B'),inits)
if(c=='optim'){
c=(A+B)/(2*Nmax)}else{c=c}
ar= AR(priorA,c=c)
#check for futility
if (ar$pA.less.B<=futility) {print('stop for futility')
result[j] = 'stop for futility'
Rb[j] = 'stop for futility'}
#check for efficacy
if (ar$pA.less.B>=efficacy) {print('stop for efficacy')
result[j] = 'stop for efficacy'
Rb[j] = 'stop for efficacy'}
ra=ar$ra
rb=ar$rb
result[j] = ar$pA.less.B
Rb[j] = ar$rb
i=A+B
while ((A+B)<Nmax & ar$pA.less.B<efficacy & ar$pA.less.B>futility ){
i=i+1
randomize = sample(c('A',1,prob = c(ra,rb))
if (randomize=='A'){
A=A+1
patientA = rbinom(1,prob=thetaA)
success[i] = patientA
patientA = c(patientA,1- patientA)
patientB = c(0,0)
treatment[i]='A'
# success[i]=yA[A]
}
if (randomize=='B'){
B=B+1
patientB = rbinom(1,prob=thetaB)
success[i] = patientB
patientB = c(patientB,1-patientB)
patientA = c(0,0)
treatment[i]='B'
}
if(c=='optim'){
c=(A+B)/(2*Nmax)}else{c=c}
prior=update.prior(priorA,patientB)
priorA=prior$priorA
priorB=prior$priorB
ar=AR(priorA,c=c)
#print(ar)
ra=ar$ra
rb=ar$rb
Rb[j]=ar$rb
posterior[i]=ar$pA.less.B
result[j] = posterior[i]
}
Na[j]=A
Nb[j]=B
}
我最终计算出的平均值是
> mean(Na[1:j])
[1] 30.4
> mean(Nb[1:j])
[1] 34.89
这似乎是错误的。你认为我如何解决这个错误。如果所有 100 名患者都经过评估 (0.90) 而我没有在代码中输入,您认为这可能取决于宣布疗效的阈值吗?任何人都可能知道如何构建正确的命令,如果这是差距的话?
谢谢
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)