基于倾向评分匹配与贝叶斯相容先验的混合控制设计模拟研究及其应用价值

《Statistics in Biopharmaceutical Research》：Hybrid control design with commensurate prior constructed using propensity score-matched external controls: a simulation study

为解决随机对照试验(RCT)中外部对照组与当前试验患者间因混杂因素失衡导致的先验-数据冲突问题，研究人员开发了结合倾向评分匹配(PSM)与贝叶斯相容先验(commensurate prior)的混合控制设计。通过系统性模拟研究，揭示了匹配流程选择、外部对照组规模及相容参数先验设定等关键影响因素，并发布R包"psBayesborrow"推动方法落地。该研究为增强临床试验效率提供了可量化评估的解决方案。

　　这项研究探索了临床试验设计的新范式——混合控制设计(hybrid control design)，通过巧妙整合外部对照组数据来增强传统随机对照试验(RCT)的统计效能。研究团队直面该设计中的核心挑战：当前试验患者与外部对照组间因测量/未测量混杂因素导致的系统性偏差(systematic imbalances)，即所谓的先验-数据冲突(prior-data conflict)。

为解决这一难题，研究者创新性地将倾向评分匹配(propensity score matching, PSM)与贝叶斯相容先验(Bayesian commensurate prior)联姻。通过精心设计的模拟实验，揭示了三个关键操作特征：PSM匹配策略的选择艺术、外部对照组池(external control pool)规模的黄金分割点、以及相容参数(commensurability parameter)先验分布设置的微妙影响。这些发现为临床研究者提供了清晰的实施路线图。

更令人振奋的是，团队将这套方法论封装成用户友好的R包"psBayesborrow"，现已登陆CRAN开源平台。这个工具包就像一座桥梁，让复杂的贝叶斯借力(borrowing)技术变得触手可及，有望显著提升临床试验的数据利用效率，特别是在患者招募困难的罕见病研究领域。研究结果暗示，当外部对照组与当前试验人群存在中度以上异质性时，采用自适应相容先验可有效防止统计模型"消化不良"，避免出现过度借力(over-borrowing)的陷阱。