早期临床试验中基于贝叶斯模型的递进给药方案选择

摘要

目的 探讨一种针对递进给药方案的贝叶斯logistic扩展回归模型(extending Bayesian logistic regression model, eBLRM),该模型可以通过考虑不同给药周期的累积毒性概率，来找到最大耐受剂量序列(maximum tolerated schedule, MTS)。方法 对贝叶斯logistic回归模型(Bayesian logistic regression model, BLRM)进行扩展，根据累积的患者数据得到最后一个周期的累积毒性概率的后验估计，从而进行剂量序列探索。结果 通过与现有的方法比较来评价eBLRM的表现。模拟结果表明，在低毒性场景下，eBLRM在正确选择MTS及分配患者真实MTS的比例方面表现更优或相当；而在高毒性场景下，eBLRM因安全性提前终止试验的比例较高，其性能表现略差于现有的方法。结论 eBLRM方法具有不错的表现性能，给递进给药方案提供了一种简单易懂的剂量探索方法。

关键词

临床试验 / 递进给药方案 / 贝叶斯模型

基金资助

国家自然科学基金(82273738;82473734);国家自然科学基金青年科学基金(82404374); 江苏高校“青蓝工程”