随机最佳选择设计用于剂量优化
Shuqi Wang1, Ying Yuan1, Suyu Liu1
1Department of Biostatistics, The University of Texas MD Anderson Cancer Center, Houston, TX 77030, United States.
美国食品和药物管理局 (FDA) 的目标是选择最佳的生物剂量 (OBD). 一个新的随机最佳选择 (ROSE) 设计将患者样本大小最小化,以实现准确的OBD识别.
科学领域:
- 临床试验的设计
- 制药指标 (Pharmacometrics) 是一个指标.
- 药物开发 药物开发
背景情况:
- 美国食品和药物管理局 (FDA) 启动了"最佳项目",以重新定义癌症药物剂量选择.
- 目标是从最大耐受剂量 (MTD) 转向最佳生物剂量 (OBD),以改善利益风险平衡.
研究的目的:
- 提出一种新的随机最佳选择 (ROSE) 设计,用于确定最佳生物剂量 (OBD).
- 为了尽量减少临床试验中的样本大小要求,同时保持OBD选择的高精度.
主要方法:
- 该研究在选择设计框架内引入了随机最佳选择 (ROSE) 设计.
- ROSE涉及将剂量臂之间的响应率与决策边界进行比较.
- 还提出了一个两阶段的ROSE设计,用于潜在的OBD早期选择.
主要成果:
- ROSE设计有效地将样本大小最小化,以实现准确的OBD识别.
- 模拟研究显示,ROSE设计具有有利的操作特性.
- 每个手臂的15-40名患者的样本大小,使得60%-70%的患者能够正确选择最佳剂量.
结论:
- 拟议的ROSE设计为最佳的生物剂量选择提供了一种有效的方法.
- 这种方法通过优化临床试验效率来支持FDA的Project Optimus计划.
- 通过精确的剂量选择,ROSE在药物开发中促进了更好的益处风险评估.
更多相关视频
08:58Efficient Sampling of Genetically Encoded Biosensor Design Space Enabled with a Design of Experiments and Automation Workflow
Published on: October 17, 2025
13:54A Workflow for Lipid Nanoparticle LNP Formulation Optimization using Designed Mixture-Process Experiments and Self-Validated Ensemble Models SVEM
Published on: August 18, 2023
相关概念视频
Dosage Regimens: Designs and Approaches
Bioequivalence Experimental Study Designs: Completely Randomized and Randomized Block Designs
Bioequivalence Experimental Study Designs: Repeated Measures, Cross-Over, Carry-Over, and Latin Square Designs
Randomized Experiments
Simple randomization
Simple...
Determination of Multiple Dosing Parameters: Loading and Maintenance Doses
Dose Size and Dosing Frequency: Determination Methods
