报告概述
本报告聚焦贝叶斯方法在关键性临床试验中的应用，重点阐述贝叶斯外部信息借用方法。报告从理论基础出发，详细介绍了适用性评估内容、试验设计与统计分析建议、模拟技术要求，以及结果的临床解读和综合评价。旨在帮助申办者合理运用贝叶斯方法优化试验设计、提高研发效率，并为与监管机构的沟通提供参考。
报告的核心结论
贝叶斯外部信息借用需先进行科学合理性评估
报告强调，在采用贝叶斯外部信息借用方法前，必须从科学合理性、数据质量与可靠性、实施可行性及结果可解读性四个方面进行全面评估。评估应包含定量分析及模拟研究，以证明该方法在特定试验中的适用性和合理性。
信息借用量通过先验分布权重控制
为避免外部信息主导试验结果，报告指出需通过幂先验中的幂次参数或混合先验中的权重比例来调控信息借用量。权重的选择需综合考虑信息来源的证据强度、与当前试验的可比性以及操作特征表现，并在研究开始前与审评机构达成一致。
决策标准基于后验概率与预设阈值
在贝叶斯临床试验中，决策通常依据关注事件的后验概率是否超过预设概率阈值。报告指出，该阈值的选择需结合临床意义和错判概率（尤其假阳性率）进行综合评估，并应在方案中明确。
模拟研究是贝叶斯试验设计的关键工具
报告详细说明了模拟技术在试验设计和分析中的双重作用：设计模拟用于优化操作特征和控制错判概率，分析模拟用于后验分布计算。申办者需提交模拟研究报告，并确保代码可复现，以支持监管评估。
报告回答的关键问题
贝叶斯方法在临床试验中如何借用外部信息？
报告介绍了两种主要外部信息借用方法：幂先验和混合先验。幂先验通过幂次参数控制外部数据借用量，混合先验则结合有信息先验与弱信息先验的权重进行调整。借用前需评估外部数据与当前试验的可交换性、数据质量和可比性。
贝叶斯临床试验设计如何控制假阳性率？
报告指出，假阳性率控制需通过模拟研究验证。申办者应在药物无效假设下模拟多种场景，确保假阳性率在合理范围内。如果过高，可调整信息借用量、决策标准或样本量。此外，期中分析和多重比较时需特别关注假阳性率膨胀风险。
贝叶斯方法结果如何解读以支持监管决策？
贝叶斯统计决策主要基于后验概率是否大于预设阈值，而非p值。报告强调需结合点估计、可信区间和临床意义进行综合评价，并参考弱信息先验或频率学方法的结果进行对比解读。敏感性分析是评估结果稳健性的必要组成部分。
完整报告包含什么
- 贝叶斯统计理论基础：包括贝叶斯定理、先验与后验分布、共轭模型、马尔可夫链蒙特卡洛方法等核心概念。
- 信息借用方法详解：幂先验、混合先验的定义和适用场景，以及可交换性假设的论证。
- 适用性评估框架：从科学合理性、数据质量、实施可行性、可解读性四个维度展开，包含定量标准和模拟要求。
- 试验设计具体规范：先验分布构建、信息借用方式选择、决策标准设定、样本量设计的综合考量。
- 统计分析详细指导：后验分布计算、后验概率决策、敏感性分析（如临界点分析）等。
- 模拟技术全面要求：设计模拟和分析模拟的区别，模拟研究报告的文档结构，包括假阳性率、统计效能等操作特征的计算。
- 结果解读与综合评价：如何结合临床意义、点估计、可信区间进行获益风险评估，以及与频率学方法的对比。
- 监管沟通交流情形：pre-IND、期中方案变更、pre-NDA等阶段的沟通要点和准备材料。
- 词汇表和附录：附有贝叶斯相关术语中英文对照，以及模拟研究报告的示例文档模板。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
