=2=1131223cq2cq22313122313cq1cq123cq1c+q2r+=#=r,=#=でr0r12■第4章 ベイズ流臨床研究cは調整パラメータ（tuning parameter，0＜c）といいます．c＝1でもよいのでしょうけど，cでべき乗することによって，q1とq2に差が生じたときにr1とr2の差の出方を調整するためのものです．0＜c＜1のとき，r1とr2の差はより小さくなって現れやすいです．割り当てルールを保守的なものにしたい場合に採用されます．対して1＜cのとき，r1とr2の差はより大きく出やすくなります．より積極的に動的な割り当てを行う方針の場合が考えられます．Gilesらはc＝2としています．■C. CRが得られるまでの期間の確率分布アウトカムはCRが得られるまでの期間であり，GilesらはCR発現の確率は指数的とみなすと述べていることから，ここではCR発現の確率は指数分布に従うものとします脚注4-4）．CRが得られるまでの期間＝イベントが起こるまでの期間脚注4-4） ここでは最も簡単なモデルを考えて指数分布にしていますが，指数分布を一般化したワイブル分布でも構わないと思われます．q2を計算150r===となるようにするためです．患者登録ランダム化患者登録→ランダム化ごとに各割り当て確率の値を更新図4-18 モデル設定時の研究デザイン（ベイズ流アダプティブランダム化デザイン）各群における観測値（CRに至るまでの期間）をもとに，群0に対する群1の効果発現確率q1，群0に対する群2の効果発現確率q2を計算し，各群への割り当て確率を動的に変更して行きます．割り当て確率π1割り当て確率π0割り当て 確率π2トロキサシタビン＋Ara−C（群1）イダルビシン＋Ara−C（群0）トロキサシタビン＋TI（群2）割り当てを続ける群の各割り当て確率を再計算フォローCR（エンドポイント）除外ルールに該当する場合は，該当する群への割り当てを中止q1を計算
元のページ ../index.html#4