歴史的成人データを小児医薬品開発に外挿するための経験的プロファイルベイジアン推定

小児医薬品の開発については、成人集団の研究薬の臨床的有効性はすでに実証されています。多くの小児患者を登録することは通常実行不可能であるという事実を考えると、小児医薬品開発の成功にとって、歴史的な成人データを小児の評価に適切に活用することが重要かもしれません。この原稿では、小児患者の治療効果の評価に成人情報を動的に借りるために、新しい経験的ベイジアンアプローチであるベイジアン推定をプロファイルすることを提案します。新しいアプローチは、小児治療効果のサイズが成人治療効果のサイズと異なる可能性があるという伝達能力の仮定の下で、タイプIエラー制御と電力ゲインの魅力的なバランスを示しています。意思決定の境界は、小児医薬品開発における現実世界の実践を模倣しています。さらに、提案された経験的プロファイルベイジアンの事後平均は、真の小児治療効果の公平な推定器です。0.5または0.9にセットされた有益な借入セット、通常のベイジアンアプローチ、およびタイプIのエラーとパワーの両方で頻繁に行われるために、以前の堅牢な混合物とのアプローチを堅牢な混合物と比較します。

For pediatric drug development, the clinical effectiveness of the study medication for the adult population has already been demonstrated. Given the fact that it is usually not feasible to enroll a large number of pediatric patients, appropriately leveraging historical adult data into pediatric evaluation may be critical to success of pediatric drug development. In this manuscript, we propose a new empirical Bayesian approach, profile Bayesian estimation, to dynamically borrow adult information to the evaluation of treatment effect in pediatric patients. The new approach demonstrates an attractive balance between type I error control and power gain under the transfer-ability assumption that the pediatric treatment effect size may differ from the adult treatment effect size. The decision making boundary mimics the real-world practice in pediatric drug development. In addition, the posterior mean of the proposed empirical profile Bayesian is an unbiased estimator of the true pediatric treatment effect. We compare our approach to robust mixture prior with prior weight for informative borrowing set to 0.5 or 0.9, regular Bayesian approach, and frequentist for both type I error and power.