성공 확률

Probability of success

성공 확률(POS)은 의사 결정을 지원하기 위해 보건 당국을 포함한 제약 업계에서 일반적으로 사용되는 통계 개념이다.

성공 확률은 조건부 검정력 및 예측력과 밀접하게 관련된 개념이다.조건부 검정력은 처리 효과 모수가 특정 값과 같다고 가정한 관측 데이터가 주어진 통계적 유의성을 관측할 확률입니다.조건부 권력은 종종 이 가정에 대해 비판받습니다.치료 효과의 정확한 값을 알면 실험을 할 필요가 없습니다.이 문제를 해결하기 위해, 우리는 처리 효과 매개변수를 랜덤 변수로 간주함으로써 베이지안 설정의 조건부 전력을 고려할 수 있다.모수의 후방 분포에 대한 조건부 검정력의 기대값을 취하면 예측 검정력을 얻을 수 있습니다.예측 검정력은 빈도수 설정에서도 계산할 수 있습니다.예측력은 랜덤하게 관측된 데이터에 따라 조건화된 조건부 확률이므로 계산 방법에 관계없이 랜덤 변수입니다.조건부 검정력과 예측 검정력 모두 통계적 유의성을 성공 기준으로 사용합니다.그러나 통계적 유의성은 성공을 정의하기에 충분하지 않은 경우가 많습니다.예를 들어, 보건 당국은 성공적인 등록을 지원하기 위해 단순히 통계적으로 유의한 효과보다 치료 효과의 크기를 더 크게 요구하는 경우가 많습니다.이 문제를 해결하기 위해 조건부 파워와 예측 파워를 성공 확률 개념으로 확장할 수 있습니다.성공 확률의 경우 성공 기준은 통계적 유의성으로 제한되지 않습니다.임상적으로 의미 있는 결과와 같은 다른 것일 수 있습니다.

POS의 종류

  • 조건부 성공 확률(CPOS): 관찰된 데이터와 치료 효과가 특정 값과 동일할 때 향후 성공(관찰 결과 기준)을 관찰할 확률이다.CPOS는 조건부 힘의 확장입니다.성공 기준은 통계적 유의성에 국한되지 않는다.그러나 성공이 통계적 유의성으로 정의되면 조건부 검정력이 됩니다.
  • 예측 성공 확률(PPOS): 관측된 데이터가 주어졌을 때 미래에 성공을 관찰할 확률입니다.PPOS는 예측력의 확장입니다.성공 기준은 통계적 유의성에 국한되지 않는다.그러나 성공이 통계적 유의성으로 정의되면 예측력이 됩니다.PPOS는 랜덤하게 관측된 데이터에 따라 조건화된 조건부 확률입니다.따라서 이것은 랜덤 변수입니다.
  • 사후 성공 확률(OPOS): 사후 확률을 사용하여 계산된 성공 확률(치료 효과 매개 변수)입니다.OPOS는 랜덤하게 관측된 데이터를 조건으로 하는 조건부 확률입니다.따라서 이것은 랜덤 변수입니다.

임상시험 설계에 적용

POS를 사용한 파일럿 시험 설계

종래의 파일럿 시험 설계는, 통상, 타입 I 의 에러율과 특정의 파라메타치를 검출하기 위한 전력을 제어하는 것에 의해서 행해집니다.단계 II 재판과 같은 파일럿 재판의 목적은 보통 등록을 지원하지 않는 것입니다.따라서 보통 단계 II 시행에서와 같이 유형 I 오류율, 특히 큰 유형 I 오류를 제어하는 것은 의미가 없습니다.파일럿 재판은 보통 확인 재판의 합격/불합격 결정을 뒷받침하는 증거를 제공합니다.따라서 PPOS를 기반으로 평가판을 설계하는 것이 더 합리적입니다.No/Go 결정을 지원하려면 기존 방식에서는 PPOS를 작게 해야 합니다.그러나 PPOS는 우연에 의해 작을 수 있습니다.이 문제를 해결하기 위해서는 POS의 신뢰성 있는 간격이 긴 것을 요구하여 충분한 정보로 POS 계산이 지원되므로 우연만으로 POS가 작지 않습니다.최적 설계를 찾는 것은 다음 두 [1]방정식의 해를 찾는 것과 같습니다.

  1. POS = POS 1
  2. POS 신뢰 구간 상한=PPOS2

여기서 PPOS1과 PPOS2는 사용자 정의 컷오프 값입니다.첫 번째 방정식은 PPOS가 작기 때문에 다음 단계로 들어가는 것을 막을 수 있는 시행이 많지 않다는 것을 보장하고 잘못된 부정으로부터 보호합니다.첫 번째 방정식은 PPOS가 너무 작지 않기 때문에 다음 단계로 이행하는 시행이 너무 많지 않다는 것을 보증하여 잘못된 긍정을 방지합니다.두 번째 방정식은 PPOS의 신뢰성 있는 간격이 긴밀함을 보증하고 PPOS 계산이 충분한 정보로 지원되도록 합니다.두 번째 방정식은 또한 PPOS의 신뢰성 있는 간격이 너무 좁지 않기 때문에 너무 많은 자원을 요구하지 않음을 보증합니다.

POS를 이용한 효용 중간 설계

전통적인 무익한 중간은 베타 지출에 기반하여 설계되었습니다.그러나 베타 지출은 직관적으로 해석할 수 없습니다.따라서 통계학자가 아닌 동료들과 소통하는 것은 어렵다.PPOS는 직관적인 해석을 가지고 있기 때문에 PPOS를 사용하여 임시로 효용성을 설계하는 것이 더 타당하다.무효를 선언하기 위해 PPOS는 소형이며 PPOS 계산은 충분한 정보로 뒷받침되어야 합니다.탕에 따르면 2015년에 최적의 디자인을 찾는 것은[2] 다음 두 방정식을 푸는 것과 같다.

  1. POS = POS 1
  2. POS 신뢰 구간 상한=PPOS2

CPOS를 이용한 방어적 효과 중간 설계

전통적인 효과 중간은 지출 기능을 기반으로 설계된다.지출 함수는 직관적인 해석이 없기 때문에, 통계학자가 아닌 동료들과 소통하기가 어렵다.이와는 대조적으로, 성공 확률은 직관적으로 해석되므로 비통계학 동료와의 의사소통을 촉진할 수 있다.Tang(2016)[3][4]은 유효성 중간 의사결정을 지원하기 위해 mCPOS>c1 lCPOS> c2 기준을 사용할 것을 제안한다. 여기서 mCPOS는 파라미터 분포에 대한 CPOS의 중앙값이고 lCPOS는 CPOS의 신뢰할 수 있는 간격의 하한값이다.첫 번째 기준은 성공 확률이 크다는 것을 보증합니다.두 번째 기준은 CPOS의 신뢰할 수 있는 간격이 긴밀함을 보장하며, CPOS 계산은 충분한 정보에 의해 뒷받침되므로 성공 확률은 우연에 의해 크지 않다.최적 설계를 찾는 것은 다음 방정식의 솔루션을 찾는 것과 같습니다.

  1. mCPOS=c1
  2. lCPOS=c2

「 」를 참조해 주세요.

레퍼런스

  1. ^ Tang, Z (2015-05-28). "PPOS design". slideshare.
  2. ^ Tang, Z (2015). "Optimal futility interim design: a predictive probability of success approach with time to event end point". Journal of Biopharmaceutical Statistics. 25 (6): 1312–1319. doi:10.1080/10543406.2014.983646. PMID 25379701.
  3. ^ Tang, Z (2017). "Defensive Efficacy Interim Design: dynamic benefit/risk ratio view using probability of success". Journal of Biopharmaceutical Statistics. 27 (4): 683–690. doi:10.1080/10543406.2016.1198370. PMID 27295497.
  4. ^ Tang, Z (2017-03-19). "Defensive Efficacy Interim design". slideshare.