Deneysel tasarımlarda örneklem büyüklüğü azaltma yaklaşımı:Basket tasarımı

Bu tez çalışmasında; ilaç geliştirme araştırmalarının erken evre klinik çalışmalarında sıklıkla kullanılan Simon'un Optimal İki Aşamalı Tasarımı (SOT) ile kişiselleştirilmiş tıbbın gelişmesiyle ilaç geliştirme sürecine yön vermeye başlayan Bayesci Basket Tasarımı (BBT) yöntemlerinden elde edilen örneklem genişliği sonuçlarında minimum ve maksimum örneklem genişlikleri incelenmiştir. Çalışmada, ilacın etkin kabul edilmesi için gerekli minimum başarı olasılığı (p1), ilacın faydasız kabul edilmesi için gerekli maksimum başarısızlık olasılığı (p0) ile tip-I ve tip-II hata oranları kullanılarak SOT'a ait 9 senaryo tanımlanmıştır. BBT için p0, p1, basket sayısı (K), basketlerin tamamen ilişkili olma olasılığı (λ) ve herhangi bir baskette ilacın etkin olmasına ilişkin önsel olasılık (γ) kullanılarak 27 senaryo oluşturulmuştur. BBT'de her bir senaryo için 1000 MCMC tekrar yapılmıştır. Her iki tasarım için maksimum örneklem genişliği 100 ile sınırlandırılmıştır. Her bir senaryoda en küçük ve en büyük örneklem genişliklerini veren senaryolar tablolarda belirtilmiştir. SOT'de p1-p0 farkı arttığında örneklem genişliğinin azaldığı, BBT'de ise (λ=0.1; γ=0.1) ve (λ=0.8; γ=0.8) olduğunda örneklem genişliklerinin en düşük seviyede olduğu görülmüştür. Her iki tasarım karşılaştırıldığında (λ=0.5; γ=0.5) iken SOT'nin BBT'ye göre örneklem genişliğini daha düşük hesapladığı, aksi durumda ise BBT'nin kullanılması gerektiği saptanmıştır. Bu çalışmada BBT yönteminde basket başına düşen örneklem genişliğinin SOT yöntemine göre daha az olduğu fakat önsel bilgilerin orta düzeyde olduğu durumlarda SOT yöntemini kullanmanın daha yararlı olabileceği sonucuna varıldı.