Поиск аномальных центров в многоцентровых клинических исследованиях при помощи иерархического байесовского моделирования

Проведение клинических исследований новых лекарственных препаратов требует строгих процедур контроля качества. В составе этих процедур - идентификация признаков ошибок и нарушения процедур, основанная на анализе данных исследования. До конца не реализована потребность в едином подходе для такого статистического анализа. Единый подход должен принимать во внимание процесс генерации данных, априорную информацию, позволять гибкую настройку с учетом характеристик данных. Требуемая статистическая методика должна быть устойчивой к зашумленным данным, и генерировать оценки, поддающиеся интерпретации. Иерархическое байесианское моделирование при помощи робастной (робит) регрессии, с использованием mixed posterior predictive (смешанное постериорное моделирование) and prior predictive (априорно-постериорное моделирование) удовлетворяет указанным критериям. В работе приведена логика выбора статистического метода, и разбор наиболее характерных случаев его применения. Проведено сравнение с результатами традиционного (иерархическая модель случайных эффектов) мета-аналитического подхода.