基于主层策略的贝叶斯混合模型在临床试验中的应用

摘要

目的：评价基于主层策略的贝叶斯混合模型在临床试验出现不依从伴发事件时进行主层因果效应（CACE）的应用效果。方法：以某新药治疗原发性2型糖尿病临床试验为例（非劣效界值-0.4），主分析采用在单调性假设下的贝叶斯混合模型，在依从层中对糖化血红蛋白变化值的组间差异进行平均因果效应估计，并进行非劣效性检验。敏感性分析包括弱化单调性假设的贝叶斯混合模型及引入符合方案集（per-protocol set,PPS）分析进行对比。结果：主分析中依从层的糖化血红蛋白主层因果效应估计的后验均值为0.081%，单侧97.5%可信区间下限为-0.124%，高于非劣效界值，支持新药在依从人群中疗效非劣效（P(H1|Data)=1）。敏感性分析显示，逐步弱化单调性假设时，主层因果效应依旧保持稳定，表明研究结论在该假设下具有一定稳健性；PPS分析结果（估计值0.136，单侧97.5%可信区间下限-0.069）与主层策略下的结论一致，进一步验证了其稳健性。结论：在存在不依从伴发事件的临床试验中，基于主层策略的贝叶斯混合模型可有效校正依从性偏倚，提供保守且稳健的主层因果效应估计，为复杂依从情境下的疗效评估提供方法学支持。

关键词

贝叶斯统计 / 混合模型 / 主层策略 / 非劣效试验 / 非依从性