有效自适应设计方法与渐近性质地研究.docxVIP

有效自适应设计方法及渐近性质的研究 是需要考虑的，例如性别、年龄、生活习惯差异对疗效的影响，以及试验中途数 据丢失不可用的情况。 无论何种设计，我们对其评价的标准主要有二： 随机性：它是试验数据分析的首要保证，无论参数估计还是检验假设，都是建立在随机数据的基础上的。大致来说，我们希望得到结果是“非条件 的而非“指定的’’。 功效：检验假设的功效是我们所力求的，它可以在有限的样本容量下达到尽可能准确的结果。通过模拟分析我们可以知道，功效是试验分配比例的方差是相联系的。而Hu和Rosenberger证明了在给定的目标比例下，试验的功效是分配比例的方差的递减函数。¨。 事实上，无论根据直观还是理论分析，我们都看到以上的两个方面实际上是对立的，也就是不可能同时达到最优状态。直观上，如果医生可以指定分配下一位受试者，则他可以按照自我意志来随时调整各组人数比例，使得试验数据来自“目标比例，但显然这样就失去了随机性。同样从理论上也证明了这样的矛盾性。而统计学家要做的正是在两者中权衡。 2 有效自适应设计方法及渐近性质的研究 第二章传统方法介绍 2．1罐子模型 在各种类型的自适应设计中，建立在罐子模型上的一类设计引起了格外的关注。较早提出该类模型的数学家包括Athreya and Karlin(1968)、Wei and Durham (1978)and Wei(1979)。罐子模型的基本思想如下：假设一个罐子中有不同类型的球，分别代表各种疗法；当病人连续到来接受治疗时，从罐子中抽取一个球并 接受其代表的疗法。这样，实施某种疗法的概率取决于罐子中各种球的个数及比 例；接下来，此病人的疗效回馈对此后罐子中的球数比例起着决定性的作用。主要的分配方法有Wei和Durham于1978年提出的Play the．Winner Rule(RPW)口J．以及Ivanova于203年提出的Drop．the—Loser Rule(DL)。【3】我们以两种疗法为例来说 明。 2．1．1 Play the-Winner Rule(RPW) 考虑一个罐子中最初有A球和B球各口个，当一位病人到来，从中随机取一个 球并放回，并实施相应疗法。若治疗成功，放回∥个相同种类的球，若失败，放 回∥个相反种类的球。设疗法A成功概率为日，失败概率Ql，疗法b成功概率 为最，失败概率Q2，并设磊．。=1若疗法k治疗成功，己．。=0若治疗失败。M’l、 Ⅳ。，分别表示前k位病人中分至A、B两组的人数。则第刀+1个病人分配至A疗 法的条件概率为 a+p×∑一白，。+∥×E0-x，)0-孝j．：) 尸(K+。l墨五?咒)= 口+2∥ 可以证明当口=0’∥=1，lim七一∞M．1／k--Q／(g+Q2) 在此基础上，Wei将两疗法的方法拓展到针对多种疗法自适应设计中，将其定义 为广义Polya’S罐子模型(GPU)【4】关于RPW的渐近性质以及他们针对多疗法GPU 的拓展也被许多统计学家研究过。 事实上，当某种疗法有很高的治愈率时(接近1)，用RPW或GPU方法无法 得到分配比例的渐近分布。只有当各种疗法的治愈率均相对较低时，分配比例的 方差才较小，如1．3中所述，这样才能得到较高的功效。由于这种分布的未知性 以及较大的方差，这种罐子模型在治愈率较高时不被采用，因为研究者很难知道 这种设计是否真正将更多的病人分配到更好的疗法，或设计是否切合期望的目 标。 2．1．2 Drop-the-Loser Rule∞L) 考虑一个罐子中最初有A球，B球和0球，当一位病人到来，从中随机取一个球。 有效自适应设计方法及渐近性质的研究 若抽到A球和B球，实施相应疗法并观察，若成功则放回该球，失败则移去。若 抽到O球，不实施治疗，并且添加A球和B球各一个。Ivanova在2003年证明了DL 方法的一些渐近性质【3】包括 番‰与驴旒2蠡凯～ 蕊(群‰训鸟Ⅳ(o，略)当疗哼∞ 其 中 小詈秽． DL方法有两个重要特性：(1)它保有了RPW的随机特性的同时，得：至UT--种非确定性的方法；(2)在目标极限分配比例相同的情况下，与其他自适应随即方法相比(如SMLP、DBCD、RPW等)，DL方法的渐近方差较小，能够得到较高的功效。但是，同RPW方法一样，DL方法的局限性在于它们的目标比例是不变的，不能达到不同的目的要求。．然而实际中这种要求是多样化的。例如当各种疗效都服 从二项分布时，E 2可筹谤旨在减小治疗失败人数的期望‘51，而 B；鼎旨在减小w甜d检验的方差【6】。而若两疗法的疗效分别服从正态 分布m确、Ⅳ(心固，那么v：最‰、K：．希也从不同角度达 到了最优。 2．2抛偏硬币设计biased coin design(BCD)【7】【8】t91 这种方法研究对象是以何种概率只+，将第n+l位病人分配至A疗法。