[논문 리뷰] baymedr: An R Package for the Calculation of Bayes Factors for Equivalence, Non-Inferiority, and Superiority Designs

Maximilian Linde, Don van Ravenzwaaij|arXiv (Cornell University)|2019. 10. 25.

Statistical Methods in Clinical Trials참고 문헌 25인용 수 11

한 줄 요약

이 논문은 임상 시험 연구에서 등가성, 열등성, 열등성 설계를 위한 베이지안 요인을 계산할 수 있도록 해주는 R 패키지 baymedr를 소개한다. 이는 빈도주의 방법의 대안으로서, 더 해석 가능한 가설 검증을 가능하게 한다. 사용자 친화적인 도구를 제공함으로써, 임상 시험 연구에서의 해석 가능성 있는 가설 검증을 가능하게 한다.

ABSTRACT

Clinical trials often seek to determine the equivalence, non-inferiority, or superiority of an experimental condition (e.g., a new drug) compared to a control condition (e.g., a placebo or an already existing drug). The use of frequentist statistical methods to analyze data for these types of designs is ubiquitous. Importantly, however, frequentist inference has several limitations. Bayesian inference remedies these shortcomings and allows for intuitive interpretations. In this article, we outline the frequentist conceptualization of equivalence, non-inferiority, and superiority designs and discuss its disadvantages. Subsequently, we explain how Bayes factors can be used to compare the relative plausibility of competing hypotheses. We present baymedr, an R package that provides user-friendly tools for the computation of Bayes factors for equivalence, non-inferiority, and superiority designs. Detailed instructions on how to use baymedr are provided and an example illustrates how already existing results can be reanalyzed with baymedr.

연구 동기 및 목표

• 임상 시험에서 등가성, 열등성, 열등성 설계를 분석할 때 빈도주의 방법의 한계를 해결하기 위해.
• 경쟁 가설에 대한 증거를 더 직관적으로 해석할 수 있도록 하는 베이지안 대안을 제공하기 위해.
• 이러한 특정 설계를 위한 베이지안 요인 계산을 간편화하는 접근 가능한 R 패키지를 개발하기 위해.
• 연구자들이 최소한의 기술적 부담으로 기존 데이터를 베이지안 방법으로 재분석할 수 있도록 하기 위해.

제안 방법

• 논문은 빈도주의 접근 방식이 등가성, 열등성, 열등성 검정에 대해 가지는 개념적 프레임워크를 서술하며, 그 해석적 한계를 강조한다.
• 베이지안 요인은 경쟁 가설 간의 상대적 증거를 측정하는 데 사용되며, p-값보다 더 직관적인 해석을 가능하게 한다.
• baymedr 패키지는 등가성, 열등성, 열등성 설계의 맥락에서 일표본, 대응표본, 두 표본 t-검정을 위한 베이지안 요인을 계산하기 위해 R에 구현되어 있다.
• 패키지는 양방향 및 단방향 검정을 모두 지원하며, 등가성과 열등성에 대해 의미 있는 효과 크기 범위를 사용자가 지정할 수 있도록 한다.
• 베이지안 요인은 기본 사전분포와 사용자 정의 파라미터를 사용하여 계산되며, 각 가설에 대한 증거의 강도를 반영한 출력을 제공한다.
• 기존 결과가 baymedr를 사용하여 어떻게 재분석될 수 있는지 보여주는 구체적인 예시를 통해 방법의 실용적 적용을 설명한다.

실험 결과

연구 질문

• RQ1 빈도주의 접근 방식에 비해 베이지안 방법이 등가성, 열등성, 열등성 시험에서 증거 해석을 어떻게 향상시킬 수 있는가?
• RQ2 등가성 또는 상대적 유효성에 초점을 맞춘 임상 시험 설계에서 빈도주의 추론의 핵심적 한계는 무엇인가?
• RQ3 이러한 특정 유형의 임상 시험 설계에 대해 베이지안 요인은 어떻게 효과적으로 계산하고 해석할 수 있는가?
• RQ4 baymedr 패키지는 임상 연구에서 빈도주의 분석에서 베이지안 분석으로의 전환을 어느 정도 촉진할 수 있는가?

주요 결과

• baymedr 패키지는 표준 t-검정 프레임워크를 사용하여 등가성, 열등성, 열등성 설계에서 베이지안 요인을 계산하기 위한 사용자 친화적인 인터페이스를 성공적으로 제공한다.
• baymedr를 통해 계산된 베이지안 요인은 p-값보다 증거에 대한 해석이 더 직관적이며, 가설 검정에서 흔히 발생하는 오해를 줄여준다.
• 패키지는 연구자들이 기존 데이터를 베이지안 방법으로 재분석할 수 있도록 해주며, 실제 임상 시험 환경에서의 실용적 유용성을 입증한다.
• 효과 크기의 범위와 사전분포의 유연한 설정을 지원함으로써 방법론적 투명성을 향상시킨다.
• 예시 적용 사례는 baymedr가 표준 빈도주의 결과를 재현할 수 있을 뿐 아니라, 증거 비율을 통해 해석의 깊이를 더할 수 있음을 보여준다.
• 비전문가 사용자들이 기술적 장벽을 낮추고 베이지안 추론으로의 전환을 촉진할 수 있도록 도구를 제공한다.