- 临床试验和医疗评估中的贝叶斯方法
- - 作者：(英国)大卫·斯皮格霍尔特//基思·艾布拉姆斯//乔纳森·迈尔斯|责编:甄海龙|译者:言方荣
  - 出版社：南京大学
  - ISBN：9787305295447
  - 出版日期：2026/02/01
  - 页数：358
- 售价：20

内容大纲
    本书聚焦临床试验和医疗评估中的贝叶斯方法，为相关领域提供了全面且深入的指导。
    从内容上看，它不仅涵盖传统统计分析基本概念，更深入剖析贝叶斯方法的各个方面，包括先验分布、不同推断方法比较等，对随机对照试验、观察性研究、证据合成等实际应用场景也有详尽阐述，还涉及成本效益、政策制定等重要议题。
    对于读者而言，无论是医疗研究人员、统计学者，还是对医疗评估方法感兴趣的人士，都能从中获取丰富知识。它能帮助读者理解贝叶斯方法在医疗领域的独特优势，如处理不确定性、整合先验信息等，助力其在实际工作中更科学地进行试验设计、数据分析与决策制定，是一本兼具理论深度与实践价值的专业书籍。
作者介绍
目录
1 介绍
  1.1  什么是贝叶斯方法？
  1.2  “医疗健康评估”的内涵
  1.3  评估的贝叶斯方法
  1.4  本书的目的和目标读者
  1.5  本书的结构
2 传统统计分析的基本概念
  2.1  概率
    2.1.1  什么是概率？
    2.1.2  优势和对数优势
    2.1.3  简单事件的贝叶斯定理
  2.2  随机变量、参数和似然
    2.2.1  随机变量及其分布
    2.2.2  期望、方差、协方差和相关
    2.2.3  参数分布与条件独立性
    2.2.4  似然
  2.3  正态分布
  2.4  正态似然
    2.4.1  二元数据的正态近似
    2.4.2  生存数据的正态似然
    2.4.3  计数响应的正态似然
    2.4.4  连续响应的正态似然
  2.5  经典推断
  2.6  常用分布概览
    2.6.1  二项分布和伯努利分布
    2.6.2  泊松
    2.6.3  β分布
    2.6.4  均匀分布
    2.6.5  Gamma分布
    2.6.6  根-逆-Gamma分布
    2.6.7  半正态分布
    2.6.8  对数正态
    2.6.9  Student's t
    2.6.10  二项正态分布
  2.7  重点
  练习题
3 贝叶斯方法的概述
  3.1  主观性与情景
  3.2  贝叶斯定理在两个假设中的使用
  3.3  简单假设的比较：似然比和贝叶斯因子
  3.4  可交换性和参数化建模
  3.5  一般量的贝叶斯定理
  3.6  二元数据贝叶斯分析
    3.6.1  具有离散先验分布的二元数据
    3.6.2  二元数据的共轭分析
  3.7  正态分布的贝叶斯分析
  3.8  点估计、区间估计和区间假设
  3.9  先验分布
  3.10  如何用贝叶斯定理解释试验结果
  3.11  “显著”试验结果的“可信度”

  3.12  贝叶斯定理的序贯应用
  3.13  预测
    3.13.1  贝叶斯框架下的预测
    3.13.2  对二元数据的预测
    3.13.3  对正态数据的预测
  3.14  决策
  3.15  设计
  3.16  历史数据的使用
  3.17  多重性、可交换性和分层模型
  3.18  处理冗余参数
    3.18.1  消除冗余参数的替代方法
    3.18.2  层次模型中的轮廓似然
  3.19  计算问题
    3.19.1  蒙特卡罗方法
    3.19.2  马尔可夫链蒙特卡洛方法
    3.19.3  WinBUGS
  3.20  贝叶斯学派
  3.21  贝叶斯分析清单
  3.22  进一步阅读
  3.23  重点
  练习题
4 不同推断方法的比较
  4.1  替代方法的结构
  4.2  传统统计方法在医疗干预评估中的应用
  4.3  似然原理、序贯设计及错误类型
    4.3.1  似然原则
    4.3.2  序贯分析
    4.3.3  Ⅰ类错误和Ⅱ类错误
  4.4  P值和贝叶斯因子
    4.4.1  对P值的批判
    4.4.2  替代P值的贝叶斯因子：简单假设
    4.4.3  替代P值的贝叶斯因子：复合假设
    4.4.4  偏好研究中的贝叶斯因子
    4.4.5  林德利悖论
  4.5  重点
  练习题
5 先验分布
  5.1  引言
  5.2  获取意见：简要回顾
    5.2.1  获取的背景
    5.2.2  意见获取技术
    5.2.3  从多位专家处获取
  5.3  对先验信息获取的批判
  5.4  外部证据总结
  5.5  默认先验
    5.5.1  “无信息先验”或“参考”先验分布
    5.5.2  “怀疑性”先验
    5.5.3  “乐观性”先验
    5.5.4  具有零假设点质量的先验（“lump-and-smear”先验）
  5.6  敏感性分析和“稳健”先验

  5.7  分层先验
    5.7.1  可交换性的判断
    5.7.2  随机效应分布的形式
    5.7.3  随机效应标准差的先验分布
  5.8  先验的经验批评
  5.9  重点
  练习题
6 随机对照试验
  6.1  引言
  6.2  使用损失函数：临床试验是为了推断还是决策？
  6.3  零假设的设定
  6.4  伦理和随机化：简要回顾
    6.4.1  随机化是否必要？
    6.4.2  何时进行随机化是合乎伦理的？
  6.5  非序贯试验的样本量
    6.5.1  样本量估计的备选方法
    6.5.2  “经典功效”：基于正态假设的经典——贝叶斯混合方法
    6.5.3  “贝叶斯功效”
    6.5.4  针对不同假设调整公式
    6.5.5  功效和必要样本量的预测分布
  6.6  序贯试验监测
    6.6.1  介绍
    6.6.2  使用后验分布监测
    6.6.3  使用预测进行监测：期中功效
    6.6.4  使用形式化损失函数进行监测
    6.6.5  序贯贝叶斯方法的频率特性
    6.6.6  贝叶斯方法和数据监测委员会
  6.7  “怀疑主义”在验证性研究中的作用
  6.8  随机试验中的多重性
    6.8.1  亚组分析
    6.8.2  多中心分析
    6.8.3  整群随机化
    6.8.4  多终点和干预措施
  6.9  使用历史对照
  6.10  数据依赖性分配
  6.11  其他试验设计
  6.12  药物研发的其他方面
  6.13  进一步阅读
  6.14  重点
  练习题
7 观察性研究
  7.1  介绍
  7.2  可供选择的研究设计
  7.3  偏倚的显式建模
  7.4  机构的比较
  7.5  重点
  练习题
8 证据合成
  8.1  引言
  8.2  “标准”Meta分析

    8.2.1  贝叶斯视角
    8.2.2  贝叶斯Meta分析中一些微妙的问题
    8.2.3  治疗效果与潜在风险之间的关系
  8.3  间接比较研究
  8.4  广义证据综合
  8.5  扩展阅读
  8.6  重点
  练习题
9 成本效益、政策制定和监管
  9.1  引言
  9.2  背景
  9.3  不考虑不确定性的“标准”成本效益分析
  9.4  成本-效益模型中不确定性的两阶段和整合方法
  9.5  参数不确定性的概率敏感性分析：两阶段方法
  9.6  单一研究的成本-效益分析：整合法
  9.7  成本-效益模型的不确定性水平
  9.8  复杂的成本-效益模型
    9.8.1  离散时间、离散状态的马尔可夫模型
    9.8.2  成本-效益模型中的微观模拟
    9.8.3  微观模拟和概率敏感性分析
    9.8.4  综合决策建模
  9.9  同时进行证据综合和复杂成本-效益建模
    9.9.1  广义Meta分析
    9.9.2  综合贝叶斯方法与两段方法的比较
  9.10  开展研究的成本效益：回报模型
    9.10.1  公共部门的研究规划
    9.10.2  医药行业的研究规划
    9.10.3  信息价值
  9.11  成本-效益分析，监管和政策中的决策理论
  9.12  监管和健康政策
    9.12.1  监管背景
    9.12.2  药品监管
    9.12.3  医疗器械监管
  9.13  结论
  9.14  重点
  练习题
10 结论及对未来研究的启示
  10.1  介绍
  10.2  贝叶斯方法的总体优势和问题
  10.3  未来的研究与发展
附录A 网站和软件
  A.1  这本书的网站
  A.2  医疗健康评估中的贝叶斯方法
  A.3  贝叶斯软件
  A.4  一般贝叶斯网站
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目