基于论文信息，以下依次回答各问题。 --- **中文标题** 稳健贝叶斯分层模型用于篮式试验中毒性及疗效的联合评价

《Statistical Methods in Medical Research》：Robust Bayesian hierarchical models for basket trials enabling joint evaluation of toxicity and efficacy

　　

篮式试验因其可同时评估多个患者亚组而受到越来越多的关注。已开展的篮式试验主要侧重于确立治疗方案的早期疗效，但对毒性的持续监测同样至关重要。本文提出两种贝叶斯分层模型，能够对毒性和疗效进行双变量分析，同时考虑各患者亚组间治疗效应中存在的异质性。具体而言，一种模型假设亚组特异性的毒性和疗效治疗效应作为一个参数向量可以是可交换的或不可交换的；另一种模型则允许仅毒性或仅疗效的亚组特异性参数为可交换或不可交换。双变量可交换与不可交换分布引入了治疗效应之间的相关性参数，而当仅有毒性或疗效参数为可交换时，研究人员规定相关性为零。模拟结果表明，与标准贝叶斯分层模型及单独分析相比，所提出的模型在不同情境下均表现出稳健性，尤其是在亚组特异性效应仅在毒性或仅在疗效方面可交换时，能够产生更高的检验效能。当毒性效应与疗效效应之间存在显著相关性时，本方法比将毒性和疗效分开分析的备选方法具有更低的错误率和更高的检验效能。

**论文解读文章**

**研究背景与现存问题**

随着遗传学与生物医学技术的快速发展，精准医学已成为医疗健康领域的新前沿。患者异质性是对基于疾病特征的个体化治疗进行定制的关键考量因素。在这一背景下，药物开发的范式正逐渐摆脱“一刀切”的方法。近年来，主方案等创新性试验方法作为精准医学时代药物开发的可行且高效的手段应运而生。篮式试验是主方案的重要类型之一，其可在具有共同疾病特征（例如同一基因异常）的多个患者亚组中同时评估一种新治疗方法。鉴于各亚组间的共同特征，跨亚组借用信息是篮式试验分析中的首选策略。

Thall等人提出的贝叶斯分层模型在可交换性假设下估计各亚组特异性疗效参数，该模型被广泛用于信息借用。然而，假设所有治疗效应均可交换可能过度限制，会对具有极端观测的子试验产生不准确估计。Neuenschwander等人提出稳健扩展模型（EXNEX模型），允许各子试验特异性参数存在不可交换的可能性。尽管这些方法已得到广泛应用，但现阶段的篮式试验统计方法主要聚焦于疗效评价，而对毒性的正式评估关注有限。在二期肿瘤试验中，疗效评价结果不一定能转化为三期成功，安全性等被忽视的因素可能导致对药物整体可行性的误判。目前已有一些针对单臂试验的联合毒性-疗效分析方法，但关于二期篮式试验中正式评估毒性效应的研究仍较为缺乏。鉴于上述空白，开展可联合评价毒性及疗效、同时考虑亚组间异质性并实现稳健信息借用的统计分析模型研究具有重要意义。

**研究内容与结论**

本研究旨在开发用于二期篮式试验的稳健双变量贝叶斯分析模型，以联合评估毒性及疗效结局。所提出的方法将毒性效应和疗效效应构建于允许跨患者亚组进行稳健信息借用的框架中，并视为Neuenschwander等人提出的可交换-不可交换（EXNEX）模型的推广。模型中可为毒性和疗效参数的可交换或不可交换分布分配灵活的先验混合权重，并在双变量分析中纳入毒性参数与疗效参数之间可能存在的相关性。

研究人员共提出两种模型。第一种为双变量EXNEX模型（BiEXNEX模型），假设亚组特异性的毒性和疗效治疗效应作为一个参数向量，整体上可交换或不可交换。第二种为扩展双变量EXNEX模型（E-BiEXNEX模型），放宽了两种治疗效应必须同时可交换的假设，允许出现“异步可交换性”，即仅毒性参数或仅疗效参数可交换的情形。该模型包含四个混合成分，分别对应：两者均可交换、仅毒性可交换、仅疗效可交换、两者均不可交换这四种状态。在决策准则方面，研究提出了一种联合决策规则，即仅当毒性和疗效效应同时位于理想区域时，才作出继续推进研究的Go决策；该规则明确利用了两效应间的相关性。通过仿真研究评估了模型的操作特征，并与标准贝叶斯分层模型（BHM）、独立EXNEX模型（IndEXNEX）和单独立分析（SA）进行比较。仿真结果表明，所提出的模型在不同情境下表现稳健；E-BiEXNEX模型在所有测试场景中均能保持较低的一类错误率和有竞争力的检验效能，表现出最佳的总体稳健性。

**主要关键技术方法**

研究人员基于Mozgunov等人的数据生成机制，模拟具有相关性的毒性和疗效患者数据。该机制首先生成对照组的双变量潜在数据，通过固定阈值将潜在毒性变量二值化；然后根据已知的真实治疗效应，利用logit链接和正态误差模型推导治疗组的均值参数，进而生成治疗组的相关二元毒性及连续疗效结局。在模型拟合方面，研究人员采用马尔科夫链蒙特卡罗（MCMC）方法，通过JAGS软件实现后验采样，每个模型每条链包含2000次老化迭代和10,000次正式迭代，共4条链，每场景重复10,000次。模拟设置包括6个子试验（K=6），各子试验样本量设定为n_Ck=n_Ek={10,10,10,6,12,10}。先验选择上，基线效应采用无信息先验N(0,10²)，疗效观察方差采用Half-N(5²)，可交换部分的均数先验为N(0,5²)，方差先验为Half-N(0.5²)，可交换概率在BiEXNEX中设为ω_k=0.5，在E-BiEXNEX中四个成分的λ_ik=0.25，相关性参数ρ和κ采用无信息均匀先验U(?1,1)。

**主要研究结果**

**空假设情境下的一类错误率。** 在全局零假设下（即所有亚组的毒性和疗效效应均为0），所有方法产生相近且较小的一类错误率。在混合空假设场景（1a-1c）中，SA方法由于不借用跨亚组信息而生成较宽的后验分布，始终产生最高的一类错误率。BHM和BiEXNEX在毒性和疗效效应均可交换时表现良好，但若仅有一种效应可交换，二者的一类错误率会出现较大波动。在仅毒性可交换的场景1c中，BHM对前四个亚组表现良好，但由于过度借用来自θ_ke较为相似的亚组1-4的信息，对亚组5和6的错误率迅速上升。E-BiEXNEX和IndEXNEX在所有混合空假设场景中均保持较低且稳定的一类错误率。

**效力情境下的检验效能。** 在治疗效果相似或部分相似时，BHM在完全相似场景（Ia）中获得最高检验效能。当治疗效应差异增大（IIa及IIb）时，BHM因过度借用信息而效能不佳；SA则呈现相反模式。BiEXNEX在IIb场景中能够准确指定高度负相关的效应结构，在多个亚组中获得接近甚至超过不考虑相关性的SA方法的检验效能。在仅一种治疗效应变化的场景中（IIIa和IIIb），E-BiEXNEX和IndEXNEX优于BHM。在仅毒性可交换的IIIa中，BHM的效能甚至低于SA；在仅疗效可交换的IIIb中，BHM则获得最高效能，其原因在于当前样本量下连续疗效数据比二元毒性数据携带更多信息，同质毒性效应可通过借用信息获得有效估计。总体而言，E-BiEXNEX在所有场景中均保持稳健表现，其检验效能与最低的一类错误率实现了最佳平衡。

**治疗效应相关性的影响。** 当毒性和疗效治疗效应高度相关且差异显著时，E-BiEXNEX比IndEXNEX给予“两者均不可交换”成分更高的后验权重（约高3%-8%）。而当两种效应高度相似时，相关性的影响几乎可以忽略。这说明治疗效应的相似性是决定信息借用权重的首要因素，相关性在效应差异大且相关程度高的情况下才显著影响后验权重。

**样本量影响。** 额外的大样本敏感性分析将每臂样本量增至n_Ck=n_Ek=50后，所有方法的检验效能均得到提升，E-BiEXNEX在多数亚组和场景中可获得超过70%的效能，但部分真实阳性亚组仍低于该水平，这反映了在联合毒性-疗效决策准则下实现常规效能水平仍依赖于场景和临床设定。

**讨论与结论**

在讨论部分，研究人员指出BiEXNEX和E-BiEXNEX在所有场景中均比BHM和SA更稳健，其中E-BiEXNEX能灵活适应仅单一治疗效应可交换的情形，并产生更高的效能。当研究人员预期两种治疗效应均相似或均差异很大时，推荐使用BiEXNEX模型；当存在异步可交换性且缺乏先验知识时，E-BiEXNEX是更合适的稳健决策选择。提出的模型可扩展至具有共同主要终点的试验，并可通过整合已知相关性结构或延迟应答假设进一步拓展。未来研究方向包括发展考虑跨亚组信息借用的样本量确定方法、探索同时进行剂量寻找的篮式试验中的毒性-疗效联合评估，以及使用多项或有序模型的毒性概率建模。研究还强调，尽管信息借用可以提升效能，但无法完全弥补子试验内信息不足，因此子试验样本量和后验概率阈值应前瞻性地校准，以满足预设的操作特征。