Abstract
La teoria dei disegni ottimi rappresenta lo strumento statistico principale per massimizzare l'informazione sperimentale e, se applicata in modo sequenziale e adattativo, essa consente di modificare/interrompere l'esperimento, garantendo corrette conclusioni inferenziali il più rapidamente possibile. In ambito clinico tale metodologia risulta particolarmente attraente per ragioni etiche, in particolare nel confronto tra due o più trattamenti in presenza di covariate (espressioni genetiche, dati biologici, fattori clinici e/o individuali). Al giorno d'oggi, i disegni adattativi sono la metodologia più promettente per affrontare queste sfide. Infatti, attraverso una raccolta sequenziale delle informazioni è possibile monitorare le risposte e utilizzare i dati acquisiti per decidere sotto quali condizioni sperimentali osservare i pazienti successivi, oppure se interrompere lo studio. Attraverso il disegno degli esperimenti, verranno proposte nuove metodologie per condurre moderne sperimentazioni cliniche in modo più etico ed efficiente, cercando inoltre di garantire a ciascun paziente il miglior trattamento in base alle sue stesse caratteristiche. Negli studi randomizzati controllati, gli individui sono assegnati in modo casuale a diversi bracci per confrontare l'efficacia dei trattamenti oggetto di indagine. Per motivi etici, proporremo disegni adattativi che cambiano le probabilità di allocazione dei trattamenti in base alle risposte precedenti, alle covariate dei soggetti ed alle assegnazioni effettuate, con l'obiettivo di massimizzare l’assegnazione del trattamento superiore e identificare sottopopolazioni in grado di trarre beneficio da un trattamento. Inoltre, proporremo procedure adattative rispetto alle covariate volte a forzare il bilanciamento tra i gruppi rispetto ad una serie di fattori; poiché la maggior parte delle procedure suggerite possono trattare solo poche covariate – in contrasto con l'attuale disponibilità di grandi serie di dati - introdurremo nuovi disegni in grado di gestire un vasto numero di covariate. Un altro obiettivo è identificare un sottoinsieme di caratteristiche del paziente rilevanti che influenzano i risultati; poiché questo può essere computazionalmente proibitivo nell’epoca dei big-data, proporremo nuovi metodi di selezione delle informazioni per estrarre sottocampioni ottimali dal set di dati originale. Per quanto riguarda lo sviluppo di nuovi farmaci, i disegni ottimi consentono l’identificazione dei dosaggi ideali massimizzando inoltre la precisione della stima dei parametri di interesse. In questo ambito proporremo nuovi criteri di ottimalità che consentano di evitare possibili degenerazioni inferenziali. Inoltre, dal momento che le dosi ottimali dal punto di vista della precisione delle stime non consentono generalmente di validare il modello adottato, ci occuperemo anche del problema della determinazione del disegno ottimo per identificare la corretta curva di dose-risposta. Infine, poiché questo problema di discriminazione del modello è correlato al tema dei disegni ottimi per il test di ipotesi, ci occuperemo di studiare la relazione tra criteri di ottimalità e potenza dei test, anche in ottica bayesiana.
Dettagli del progetto
Responsabile scientifico: Alessandro Baldi Antognini
Strutture Unibo coinvolte:
Dipartimento di Scienze Statistiche "Paolo Fortunati"
Coordinatore:
ALMA MATER STUDIORUM - Università di Bologna(Italy)
Contributo totale di progetto: Euro (EUR) 187.329,00
Contributo totale Unibo: Euro (EUR) 96.275,00
Durata del progetto in mesi: 24
Data di inizio
28/09/2023
Data di fine:
28/09/2025
