布莱德利·P·卡林。；约瑟夫·卡丹（Joseph B.Kadane）。；阿兰·盖尔芬德（Alan E.Gelfand）。 临床试验中最佳顺序决策分析的方法。 （英语） 兹比尔1058.62548 生物计量学 54，第3期，964-975（1998）. 摘要：与传统方法不同，贝叶斯方法能够将专家意见和客观信息正式组合到临床试验数据的中期和最终分析中。然而，大多数以前的贝叶斯方法都是基于参数空间中一个或多个区域的后验概率内容来确定停止决策，从而隐式确定损失和决策结构。我们为这个问题提供了一种完全贝叶斯方法，不仅指定了似然分布和先验分布，还指定了适当的损失函数。在每个数据监控点，tie枚举可用的决策，并研究使用反向归纳法（通过蒙特卡罗方法实现）来选择最佳行动方案。然后，我们提出了一种前向采样算法，该算法大大减轻了与后向归纳相关的分析和计算负担，为之前无法支持的中间外观数量提供了完全贝叶斯最优顺序监控的可能性。我们证明了在具有共轭先验和单调损失函数的单参数指数族的情况下，前向抽样总是能够识别最优序列策略，并且在后向归纳不可行的情况下总是能够识别某类策略的最佳成员。最后，我们利用最近一次艾滋病临床试验的数据说明并比较了正向和反向方法。 引用于20文件 MSC公司： 62升10 顺序统计分析 62C10个 贝叶斯问题；贝叶斯过程的特征 第62页第10页 统计学在生物学和医学中的应用；元分析 关键词：反向感应；无差异区；中期监测；蒙特卡罗方法 PDF格式BibTeX公司 XML格式引用 \textit{B.P.Carlin}等人，《生物统计学》54，第3期，964--975（1998；Zbl 1058.62548） 全文： 内政部 链接