Background: Phase I trials desire to identify the maximum tolerated dose (MTD) early and proceed quickly to an expansion cohort or phase II trial for efficacy. We propose an early completion method based on multiple dosages to accelerate the identification of MTD for model-assisted designs. Methods: The early completion performs based on each dose-assignment probability for multiple dosages. The formulas of probabilities are simple to calculate. We evaluated the early completion for an actual trial. In addition, a simulation study performed the percentage of correct MTD selection and early completion. Results: In the actual trial, the early completion could perform, and the MTD estimation phase could be shortened. In the simulation study, the change in the percentage of correct MTD selection from non-early completion version was 2.2% at the maximum, indicating that there was almost no decrease. In addition, depending on the toxicity rate, the percentage of correct MTD selection improved compared to the non-early completion version. The early completion performed from 18.1% to 90.8%. Conclusion: We propose the early completion method with not only little reduction in accuracy but also improving the percentage of correct MTD selection. We conclude the early completion can perform unproblematically for model-assisted design.


翻译:背景:第一阶段试验希望及早确定最大容许剂量(MTD),并迅速进入扩大组群或第二阶段试验,以确定功效。我们建议一种基于多种剂量的早期完成方法,以加速确定模型辅助设计所需的MTD。方法:根据多种剂量的每种剂量的剂量分配概率,早期完成表现;概率公式简单,可以计算;我们评估了实际试验的早期完成率。此外,一项模拟研究进行了正确的MTD选择和早期完成的百分比。结果:在实际试验中,早期完成可以进行,而MTD估计阶段可以缩短。在模拟研究中,正确选择MTD的百分比从非早期完成版本变化到最高为2.2%,表明几乎没有下降。此外,根据毒性率,正确的MTD选择比非早期完成版本改进了百分比。早期完成率从18.1%到90.8%不等。结论:我们提出早期完成方法,不仅没有多少精确性下降,而且还可以改进准确的MTD选择的百分比。我们完成了早期完成率。

0
下载
关闭预览

相关内容

专知会员服务
20+阅读 · 2021年2月7日
【AAAI2021最佳论文】多智能体学习中的探索 - 利用
专知会员服务
35+阅读 · 2021年2月6日
【NeurIPS 2020】生成对抗性模仿学习的f-Divergence
专知会员服务
25+阅读 · 2020年10月9日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
IJCAI2020接受论文列表,592篇论文pdf都在这了!
专知会员服务
63+阅读 · 2020年7月16日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
已删除
将门创投
5+阅读 · 2019年4月29日
Arxiv
0+阅读 · 2021年9月7日
VIP会员
相关VIP内容
专知会员服务
20+阅读 · 2021年2月7日
【AAAI2021最佳论文】多智能体学习中的探索 - 利用
专知会员服务
35+阅读 · 2021年2月6日
【NeurIPS 2020】生成对抗性模仿学习的f-Divergence
专知会员服务
25+阅读 · 2020年10月9日
迁移学习简明教程,11页ppt
专知会员服务
107+阅读 · 2020年8月4日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
IJCAI2020接受论文列表,592篇论文pdf都在这了!
专知会员服务
63+阅读 · 2020年7月16日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
相关资讯
已删除
将门创投
5+阅读 · 2019年4月29日
Top
微信扫码咨询专知VIP会员