دانلود مقاله ISI انگلیسی شماره 150164
ترجمه فارسی عنوان مقاله

پیاده سازی تخصیص بهینه در آزمایشات بالینی با چندین نقطه پایانی

عنوان انگلیسی
Implementing optimal allocation in clinical trials with multiple endpoints
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
150164 2017 12 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Statistical Planning and Inference, Volume 182, March 2017, Pages 88-99

ترجمه کلمات کلیدی
کارازمایی بالینی، نقاط چندگانه، تخصیص بهینه قدرت، طراحی واکنش پذیر،
کلمات کلیدی انگلیسی
Clinical trial; Multiple endpoints; Optimal allocation; Power; Response-adaptive design;
ترجمه چکیده
محققان بالینی مدرن اغلب پیچیده هستند، با اهداف رقابت چندگانه و نقطه پایان چندگانه. چنین محاکمات باید اخلاقی و کارآمد باشد. در این مقاله، ما بر موانع ناشی از تعداد زیادی پارامترهای ناشناخته و همبستگی احتمالی بین نقاط انتهایی چندگانه غلبه می کنیم. ما برای به دست آوردن نسبت تخصیص بهینه برای دو مشکل بهینه سازی زیر (1) حداکثر کردن قدرت تست همگن با اندازه نمونه ثابت و (2) به حداقل رساندن تعداد وزنی مورد انتظار از شکست با قدرت ثابت. علاوه بر این، این تخصیص بهینه را با استفاده از روش های تصادفی سازگاری پاسخ می دهیم. نتایج نظری ما مبنایی برای پیاده سازی و تحقیق بیشتر در مورد روش است، و مطالعات عددی ما نشان می دهد توانایی آن برای دستیابی به اهداف متنوع است.
پیش نمایش مقاله
پیش نمایش مقاله  پیاده سازی تخصیص بهینه در آزمایشات بالینی با چندین نقطه پایانی

چکیده انگلیسی

Modern clinical trials are often complex, with multiple competing objectives and multiple endpoints. Such trials should be both ethical and efficient. In this paper, we overcome the obstacles introduced by the large number of unknown parameters and the possible correlations between the multiple endpoints. We obtain the optimal allocation proportions for the following two optimization problems: (1) maximizing the power of the test of homogeneity with a fixed sample size, and (2) minimizing the expected weighted number of failures with a fixed power. Further, we implement these optimal allocations through response-adaptive randomization procedures. Our theoretical results provide the foundation for the implementation and further investigation of the procedure, and our numerical studies demonstrate its ability to achieve diverse objectives.