Enfoque bayesiano no paramétrico para el préstamo dinámico de datos de control históricos

Área de la Ciencia:

• Estadísticas biológicas
• Metodología de los ensayos clínicos
• Estadísticas Bayesianas

Sus antecedentes:

• La incorporación de datos de control históricos en ensayos controlados aleatorios (ECA) requiere tener en cuenta las diferencias en los conjuntos de datos.
• Los factores no medidos pueden causar heterogeneidad, haciendo que el simple ajuste de la covariante sea insuficiente.
• Se necesitan métodos de toma de préstamos dinámicos para mitigar el impacto de los controles históricos heterogéneos.

Objetivo del estudio:

• Proponer un enfoque bayesiano no paramétrico para analizar los datos actuales de ECA con controles históricos.
• Abordar la heterogeneidad entre ensayos y permitir el préstamo de controles históricos homogéneos.
• Introducir un método de mezcla dependiente del proceso de Dirichlet (DP) para la resolución de conflictos entre controles históricos y actuales.

Principales métodos:

• Desarrolló un marco bayesiano no paramétrico adaptable tanto para datos agregados como para participantes individuales.
• Se introdujo un modelo de mezcla dependiente del proceso de Dirichlet (DP) para mejorar el endeudamiento y la resolución de conflictos.
• Se creó un nuevo índice de similitud basado en la distribución posterior para comparar los datos de control históricos y actuales.

Principales resultados:

• El método de mezcla DP dependiente toma prestado con precisión de controles históricos homogéneos.
• Reduce efectivamente el impacto de los controles históricos heterogéneos en comparación con las mezclas DP estándar.
• Los métodos propuestos superan a los enfoques existentes, especialmente en escenarios de control histórico heterogéneos en los que el metanálisis falla.

Conclusiones:

• La mezcla DP dependiente propuesta ofrece un método sólido para integrar los controles históricos en los ECA.
• Este enfoque mejora la fiabilidad de los resultados de los ensayos mediante la utilización selectiva de datos históricos relevantes.
• Los métodos proporcionan una herramienta valiosa para los bioestadísticos e investigadores clínicos que se enfrentan a desafíos de heterogeneidad de datos.