通过自适应设计实现敏捷:用于分散试验的算法
1A27 Edward Ford Building, School of Public Health, University of Sydney, Sydney, NSW 2050, Australia.
本研究介绍了分散的临床试验 (DCT) 的敏捷贝叶斯框架,以解决数据可靠性的挑战. 适应性设计改善了功率计算和试验稳定性,支持更广泛的DCT采用.
科学领域:
- 临床研究方法论 临床研究方法论
- 生物统计学 生物统计学
- 数字健康数字健康
背景情况:
- 分散临床试验 (DCT) 提高了使用数字健康技术的可访问性和参与度.
- 数据可靠性和DCT的变异性对传统的统计方法构成挑战.
- 当前的试验设计往往不足以解决与远程数据收集固有的数据质量问题.
研究的目的:
- 为DCT提供一个敏捷的贝叶斯设计框架,专门用于DCT.
- 将适应性数据可靠性直接整合到试验设计和统计分析中.
- 为了提高功率计算的稳定性,并适应变化的数据质量.
主要方法:
- 开发了一个敏捷的贝叶斯设计框架,结合了适应性数据可靠性.
- 使用贝叶斯决策规则进行临时样本大小调整.
- 处理数据可靠性作为模型参数来考虑不确定性.
主要成果:
- 模拟研究证实了拟议的适应性战略的有效性.
- 该框架在适应不同数据质量条件方面表现出灵活性.
- 通过将数据可靠性纳入模型,提高了功率计算的稳定性.
结论:
- 拟议的贝叶斯框架为DCT设计提供了敏捷和灵活的方法.
- 这种方法提高了远程进行的临床试验的可靠性和稳定性.
- 该框架为适应性方法适应其他试验类型和终点提供了基础.
更多相关视频
06:28A Networked Desktop Virtual Reality Setup for Decision Science and Navigation Experiments with Multiple Participants
Published on: August 26, 2018
09:39An Open-Source, Fully Customizable 5-Choice Serial Reaction Time Task Toolbox for Automated Behavioral Training of Rodents
Published on: January 19, 2022
相关概念视频
Bioequivalence Experimental Study Designs: Completely Randomized and Randomized Block Designs
Trial and Error and Algorithm
Randomized Experiments
Simple randomization
Simple...
Experimental Designs
Bioequivalence Experimental Study Designs: Repeated Measures, Cross-Over, Carry-Over, and Latin Square Designs
Study Designs in Epidemiology
Observational studies are those where the researcher does not intervene but rather observes natural variations. They include cross-sectional, cohort, and...
