Sie fragen sich vielleicht… „Zwei Bayesianische Beiträge hintereinander? Was ist los?"
Obwohl sich mein statistisches Training auf Frequentist-Methoden konzentrierte, bin ich fest davon überzeugt, mit welchen Tools ich Einblick in das statistische Problem erhalten kann, auf das ich mich gerade fokussiere. Frequentist oder Bayesian, es macht keinen Unterschied. Da ich Biostatistiker bin, ist meine Wertschätzung für diese beiden Methoden der statistischen Inferenz durchaus sinnvoll.
Es ist ein gewöhnliches Missverständnis Diese Biostatistik konzentriert sich auf die statistische Analyse medizinischer oder biologischer Daten. Nichts ist weiter von der Wahrheit entfernt. Lassen Sie uns das Wort „Biostatistik“ auflösen. Laut dem Wörterbuch bedeutet „zwei“. „Zwei“. So beziehen sich „zwei“ und „Statistiken“ eindeutig auf die zwei wichtigsten Schlußfolgerungen der modernen Statistik. Wofür steht das "o"? Es steht für "Oh, wie ich liebe".
Also lassen Sie uns überprüfen:
bi “Bayesian oder Frequentist”
o "Oh, wie ich liebe"
Statistik “Statistik”
Biostatistik bedeutet also "Bayesian oder Frequentist, oh, wie ich Statistik liebe."
Abgesehen davon, werden wir heute über die Analyse unerwünschter Ereignisse mit Bayes'schen hierarchischen Modellen sprechen. Es ist nicht überraschend, dass die Analyse unerwünschter Ereignisse und die Analyse des Sicherheitsendpunkts im Allgemeinen zu einer großen Anzahl von Vergleichen zwischen zwei Behandlungsarmen führen. Darüber hinaus treten viele unerwünschte Ereignisse selten auf. Bei einer typischen Analyse unerwünschter Ereignisse wird schließlich nicht berücksichtigt, wie Ereignisse miteinander zusammenhängen können.
Um diese Probleme anzugehen, Beere und Beere (2004) Definieren Sie ein dreistufiges hierarchisches Mischmodell, das:
Analysiert alle Ereignisse gleichzeitig. Inferenz basiert auf der Zusammenfassung von MCMC-Proben aus der posterioren Verteilung.Ermöglicht es verwandten AEs, sich gegenseitig Stärke zu leihen (basierend auf der Mitgliedschaft in einer Systemorganklasse).Moduliert extreme Ergebnisse, möglicherweise aufgrund der Seltenheit einiger Ereignisse.Das AE Bayesian Hierarchisches Modell Der analytische Prozess (AP) passt in JMP Clinical 4.1 unter Verwendung von PROC MCMC auf das Berry & Berry (2004) -Modell, um das von der Behandlung hervorgehende Nebenwirkungsprofil zweier Behandlungsarme zu vergleichen. Es gibt Optionen, um die Anzahl der Einbrennproben und der Nachproben, die Ausdünnungsrate und die Anzahl unabhängiger Markov-Ketten anzugeben. Außerdem können Benutzer die in Berry & Berry (2004) vorgeschlagenen Werte für die Hyperparameter ändern.
Abbildung 1 fasst die Analyse unerwünschter Ereignisse von Nicardipin gegenüber Placebo unter Verwendung einer Bayes-Version eines Vulkanplots zusammen (Abbildung 2). Anstelle des -log10 (p-Werts) für die y-Achse verwenden wir die hintere Überschreitungswahrscheinlichkeit, die anfänglich als p [Differenz in Anteilen> 0 | Daten] definiert ist (oder es könnten stattdessen Quotenverhältnisse analysiert werden). Für jedes unerwünschte Ereignis wird diese Wahrscheinlichkeit als die Anzahl der hinteren Proben berechnet, bei denen der Unterschied in den Anteilen (Nicardipin - Placebo)> 0 ist, geteilt durch die Gesamtzahl der hinteren Proben (hier: 10.000). Dies kann als die Wahrscheinlichkeit interpretiert werden, dass Nicardipin im Vergleich zu Placebo ein übermäßiges Risiko für ein Ereignis hat. Dem Benutzer steht es frei, die Definition der posterioren Überschreitungswahrscheinlichkeit zu ändern und das Vulkandiagramm neu zu zeichnen.
Die x-Achse ist der Häufung des Vulkanplans ähnlich, mit der Ausnahme, dass wir den hinteren Mittelwert der Differenz der Proportionen verwenden (der nur der Durchschnitt aller hinteren Proben ist). Die Blasen sind so groß, dass die Fläche der Blase proportional zur Gesamtzahl der Patienten ist, die das Ereignis über beide Behandlungen hinweg erlebt haben. Farbe gibt die Systemorganklasse an, zu der Ereignisse gehören. Es ist unkompliziert festzustellen, dass verschiedene vaskuläre Erkrankungen, Atemwegserkrankungen und psychiatrische Erkrankungen ein erhöhtes Risiko für Nicardipin aufweisen.
Abbildung 3 enthält Walddiagramme, in denen die glaubwürdigen Intervalle mit gleichem Schwanz und hinterer HPD für alle Ereignisse zusammengefasst sind, bei denen p [Differenz in Proportionen> 0 | Daten]> 0,80 ist. Anhand der gleichsinnigen Intervalle können wir feststellen, dass einige Ereignisse ein erhöhtes Risiko für Nicardipin zu haben scheinen: Isosthenurie, Phlebitis, Pleuraerguss, Hypotonie und Agitation. Diese Ereignisse fallen auch in Abbildung 2 auf.
Das Bayes'sche Modell hebt jedoch zusätzliche Ereignisse hervor: Atelektase (Zusammenbruch eines Teils der Lunge), Delirium und Desorientierung. Atelektasis wurde bei 86 (19,2%) und 63 (13,8%), Delirium bei 6 (1,3%) und 0 und Desorientierung bei 8 (1,8%) und 3 (0,7%) Patienten für Nicardipin bzw. Placebo beobachtet. Die rohen und FDR-angepassten p-Werte für Atelectasis waren 0,0293 und 0,4100, Delirium war 0,0132 und 0,2876 und die Desorientierung betrug 0,1222 bzw. 0,5416. Die Neudefinition der Überschreitungswahrscheinlichkeit und die Untersuchung von Ereignissen, bei denen p [Unterschied in den Anteilen <0 | Daten]> 0,80 ein erhöhtes Risiko für Hypertonie und Vasokonstriktion für Placebo zeigt (was mit der Analyse in Abbildung 2 übereinstimmt). Sinus Bradycardia zeigt jedoch keinen wichtigen Unterschied zwischen den Behandlungen. Dies ist wahrscheinlich darauf zurückzuführen, dass in der Organklasse Herzstörungen 12 weitere Ereignisse ohne Behandlungseffekte vorkommen. Im Idealfall sollte die Bayes'sche Analyse die Sensitivität der Ergebnisse für verschiedene frühere Annahmen bewerten, wir haben jedoch einige zusätzliche unerwünschte Ereignisse zwischen den Behandlungen identifiziert, die eine eingehendere Untersuchung erfordern.
Alternativ kann ein Modell, das sich an die Exposition des Subjekts anpasst, zur Analyse unerwünschter Ereignisse in JMP Clinical ( Xia, Ma & Carlin, 2010 ). Bei Personen mit einem Ereignis wird ihre Exposition als die Zeit vom Beginn der Dosierung bis zum ersten Ereignis berechnet. Die Exposition für Probanden ohne Ereignis wird als gesamte Studienzeit berechnet.
Ich werde diese Methoden auf dem SAS Global Forum ausführlicher diskutieren. Fühlen Sie sich frei, meine Arbeit zu lesen Hier .
