基于实用性的剂量优化方法用于多剂量随机试验设计,考虑多个终点
Gina D'Angelo1, Guannan Chen1,2, Di Ran1
1Oncology Biometrics, Oncology R&D, AstraZeneca, Gaithersburg, Maryland, USA.
新的方法U-MET-m和CUI-MET通过优化剂量选择来增强瘤学临床试验. 这些方法有效地使用多个终点和剂量确定最佳生物剂量 (OBD).
科学领域:
- 临床试验 临床试验
- 制药指标 (Pharmacometrics) 是一个指标.
- 生物统计学 生物统计学
背景情况:
- 在瘤学临床试验中,剂量优化对于确定最佳生物剂量 (OBD) 至关重要.
- 结合安全性,有效性和生物标志物数据的早期试验可以促进OBD调查.
- 现有的基于实用性得分的方法需要扩展,以有效处理多个终点和剂量.
研究的目的:
- 扩展基于实用性得分的方法 (U-MET),以适应临床试验设计中的多个终点和剂量.
- 引入U-MET-m用于多个终点 (≤3) 的联合会计,以及CUI-MET用于边际会计>3个终点.
- 为U-MET-m提供重量选择指南,并证明U-MET-m和CUI-MET之间的关系.
主要方法:
- 开发了U-MET-m (用于多剂量随机试验设计的基于实用性的剂量优化) 对≤3个终点,使用实用性得分来考虑联合终点.
- 为>3个终点开发了CUI-MET (临床效用指数剂量优化方法),使用实用指数考虑边际终点.
- 在假设框架内使用贝叶斯推理来比较公用事业指标并识别OBD,利用模拟研究和示例.
主要成果:
- 无论是U-MET-m还是CUI-MET,都表现出了为选择最佳生物剂量 (OBD) 提供令人满意的操作特性.
- 与实证设计相比,模拟研究和实例证实了拟议方法的有效性.
- 在U-MET-m和CUI-MET之间建立了明确的关系,有助于U-MET-m的重量选择.
结论:
- 推U-MET-m用于与≤3个终点进行剂量比较,而CUI-MET在选择OBD时推用于>3个终点.
- 这些新的方法为瘤学临床试验中的剂量优化提供了强大的框架.
- 这些发现支持更广泛地采用基于实用性的方法,以有效地设计临床试验和选择剂量.
更多相关视频
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
09:44Pretargeted Radioimmunotherapy Based on the Inverse Electron Demand Diels-Alder Reaction
Published on: January 29, 2019
相关概念视频
Dosage Regimens: Designs and Approaches
Bioavailability Study Design: Single Versus Multiple Dose Studies
Determination of Multiple Dosing Parameters: Loading and Maintenance Doses
Bioequivalence Experimental Study Designs: Completely Randomized and Randomized Block Designs
Bioequivalence Experimental Study Designs: Repeated Measures, Cross-Over, Carry-Over, and Latin Square Designs
Dosage Regimen: Individualization
