Multi-Arm Multi-Stage (MAMS) platform trials are an efficient tool for the comparison of several treatments. Suppose we wish to add a treatment to a trial already in progress, to access the benefits of a MAMS design. How should this be done? The MAMS framework requires pre-planned options for how the trial proceeds at each stage in order to control the family-wise error rate. Thus, it is difficult to make both planned and unplanned design modifications. The conditional error approach is a tool that allows unplanned design modifications while maintaining the overall error rate. In this work, we use the conditional error approach to allow adding new arms to a MAMS trial in progress. We demonstrate the principles of incorporating additional hypotheses into the testing structure. Using this framework, we show how to update the testing procedure for a MAMS trial in progress to incorporate additional treatment arms. Simulations illustrate the possible operating characteristics of such procedures using a fixed rule for how and when the design modification is made.


翻译:多Arm多系统平台试验是比较若干处理方法的有效工具。 假设我们希望在已经进行的试验中增加一种处理方法, 以获得MAMS设计的好处。 如何做到这一点? MAMS框架要求每个阶段试验的预设选项, 以便控制家庭误差率。 因此, 很难进行有计划和无计划的设计修改。 有条件错误方法是一种允许在维持总体误差率的同时进行意外设计修改的工具。 在这项工作中, 我们使用有条件错误方法允许在正在进行的MAMS试验中添加新武器。 我们展示了将更多假设纳入测试结构的原则。 我们使用这个框架, 展示如何更新正在进行的MAMS试验的测试程序, 以纳入更多的处理武器。 模拟用固定规则来说明这类程序可能的操作特点, 包括如何和何时进行设计修改。

0
下载
关闭预览

相关内容

指分类错误的样本数占样本总数的比例。
【硬核书】Linux核心编程|Linux Kernel Programming,741页pdf
专知会员服务
78+阅读 · 2021年3月26日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
39+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
已删除
将门创投
3+阅读 · 2017年10月27日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年7月9日
VIP会员
相关资讯
已删除
将门创投
3+阅读 · 2017年10月27日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员