带侧面信息的双臂试验最小-最大优化设计( Min-Max Optimal Design of Two-Armed Trials with Side Information )

Qiong Zhang Amin Khademi Yongjia Song

在这项工作中，我们研究了两臂临床试验的最优设计，以最大限度地提高统计模型中参数估计的准确性，其中患者协变量和治疗之间的相互作用被明确地纳入以实现精确的药物决策。这种建模扩展导致所产生的优化问题的显着复杂性，因为它们同时包含了对设计的优化和协变量。我们采用一个最小最大优化模型，最小化（过度设计）估计的治疗和患者协变量之间的交互效应的最大（过度总体）方差。这就产生了一个极小最大二层混合整数非线性规划问题，该问题的求解具有很大的挑战性。为了解决这一问题，我们通过逼近目标函数引入了代理优化模型，并对其提出了两种求解方法。第一种方法提供了一种基于重构和分解技术的精确解。在第二种方法中，我们为内部优化问题提供了一个下界，并在下界上求解外部优化问题。我们用合成的和真实世界的数据集测试了我们提出的算法，并将它们与标准的随机化方法进行了比较。我们的数值分析表明，所提出的方法在估计量方差和正确选择概率方面提供了更高质量的解。我们还通过将我们提出的方法与不考虑协变量与治疗之间相互作用项的替代优化设计方法进行比较，显示了协变量信息在精准医学临床试验中的价值。贡献摘要：精确医学是医疗保健的未来，在那里治疗是基于每个病人的信息开出的。设计精准医学临床试验是精准医学的基石，由于样本量有限，患者信息可能是多维的，因此极具挑战性。这项工作提出了一种新的方法，通过减少个性化治疗效果的最大方差来最优估计两臂临床试验中每种患者类型的治疗效果。我们使用几种统计和优化技术来产生有效的解决方法。结果有可能通过改变未来临床试验的设计和实施来拯救无数的生命，以确保为正确的患者提供正确的治疗。这样做将降低病人的风险，并降低医疗保健系统的成本。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate