文献

J-GLOBAL ID：202202235753974567   整理番号：22A0951981

線形回帰モデルのための多重履歴制御を用いた電力【JST・京大機械翻訳】

The power prior with multiple historical controls for the linear regression model

著者 (5件)： Banbeta Akalu (I-Biostat, UHasselt, Hasselt, Belgium) ,  Banbeta Akalu (Department of Statistics, Jimma University, Jimma, Ethiopia) ,  Lesaffre Emmanuel (I-Biostat, KU Leuven, Leuven, Belgium) ,  van Rosmalen Joost (Department of Biostatistics, Erasmus University Medical Center, Rotterdam, the Netherlands) ,  van Rosmalen Joost (Department of Epidemiology, Erasmus University Medical Center, Rotterdam, the Netherlands)
資料名： Pharmaceutical Statistics: Journal of Applied Statistics in the Pharmaceutical Industry  (Pharmaceutical Statistics: Journal of Applied Statistics in the Pharmaceutical Industry)
巻： 21  号： 2  ページ： 418-438  発行年： 2022年 
JST資料番号： W2723A  ISSN： 1539-1604  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 歴史的制御データを現在の制御データと組み合わせることは,臨床試験の必要な研究サイズを減少させる可能性がある。しかし,これは,歴史的制御データが現在の制御データと十分に類似しているときのみ適用される。メタアナリシス予測(MAP)事前および修正電力(MPP)のような動的方法で歴史的データを組み込むためのいくつかのBayesアプローチを提案した。ここでは,線形回帰モデルの多重歴史的制御グループに対するMPPアプローチの一般化を論じた。このアプローチは,制御がランダム方法よりも異なる場合に有用であるが,共変量において再び(約)交換可能条件になる。提案した手法は,いくつかの現在の著者によるバイナリ結果のために以前に開発したアプローチに構築する。2つのMPPアプローチを複数の制御で開発した。第1の手法は独立電力を仮定し,第2の方法では電力は階層構造を持つ。著者らは,いくつかのシミュレーション研究を行い,借り方法の頻繁な特性を研究し,実生活データセットを分析した。モデルまたは共変量分布における研究間変動があるとき,MPPアプローチは,共変量がモデルに含まれているならば,ほぼ名目I型誤り率とMAP以前のより大きな電力を達成する。切片が変わるとき,MPPはわずかに膨張したI型誤差率をもたらすが,MAPはそうではない。提案アプローチは,線形回帰ケースに対するMAPアプローチに対する価値ある競争者であると結論した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *電力 ,  予測 ,  制御 ,  分布 ,  変動 ,  *多重化 ,  臨床試験 ,  誤り率 ,  階層構造 ,  *回帰モデル ,  メタ分析
準シソーラス用語： *線形回帰 ,  *線形回帰モデル ,  バイナリー ,  共変量 , 【Automatic Indexing@JST】

著者キーワード (4件)： Bayes推論 ,  共変量効果 ,  複数の歴史的試行 ,  電力の事前

分類 (1件)： 太陽光発電  (NB03090G)

タイトルに関連する用語 (3件)： 線形回帰モデル ,  多重 ,  履歴