近年来,针对精准肿瘤医学的创新型临床试验受到了越来越多的关注,肿瘤学的研究焦点也慢慢从肿瘤组织学类型转移到多肿瘤类型的相同基因变异,因此,越来越多关于篮子试验的研究与应用,以节约资源及让更多肿瘤患者获益。篮子试验通常纳入携带相同基因和分子变异的多组织学类型的肿瘤患者,能够同时评估某个靶点明确的靶向药物或组合对不同肿瘤类型患者的安全性和有效性。实现多个独立平行的II期临床试验的传统篮子试验设计往往会带来更高的假阳性率,同时,篮子试验通常按照生物标志物或组织学亚型等条件划分为不重叠的试验亚组,基于相同的划分条件,是可以合理假设亚组内疗效相同及亚组间疗效可能相似的,而传统篮子试验设计并不能体现亚组间疗效的潜在联系。当假定部分亚组间存在潜在联系时,可以使用贝叶斯层次模型的篮子试验设计在部分亚组间借用信息以提高疗效推断精度。此外还提出过一种基于贝叶斯平均模型的篮子试验设计来评估每个亚组的有效性和安全性。本研究通过计算机模拟,基于二分类资料,比较几个探索性非随机篮子试验设计的操作性能,总结其不同亚组疗效情景下的一类错误率、检验效能及样本量大小,并探讨期中分析次数不同对设计比较的影响,全文结构如下:第Ⅰ部分,我们首先对几个篮子试验设计作了简单的概述,接着利用Simon二阶段设计计算出不同贝叶斯设计所需样本量,并设置相同的早期终止原则,比较在不同亚组数设置下贝叶斯篮子试验设计与各亚组独立应用Simon二阶段设计的传统篮子试验设计间的性能差异。研究表明:随着有效试验组增加,期望样本量、检验效能、一类错误率均会呈上升趋势,且试验组数的变化不会影响整体变化趋势。通常的,总一类错误率Simon贝叶斯Simon二阶段>Simon贝叶斯>Ba CIS,BHM设计在有效试验组较多时效能最高,但高效能的代价便是高一类错误,而Simon贝叶斯设计恰恰相反,Ba CIS设计性能较为稳健,趋于二者之间。第Ⅱ部分,我们设置了两种期中分析策略,一种是固定每个试验亚组的受试者人数进行分析,一种是固定所有试验亚组的最大纳入总人数,分别基于以上两个策略去设置不同的纳入人数并评估三种贝叶斯设计的一类错误、检验效能和样本量等性能差异。模拟实验结果表明:当期中分析次数增多,Simon贝叶斯在两种策略下对总一类错误控制都会变弱但仍是控制最严格的设计,BHM设计较Ba CIS设计更为稳健,但在具体情景中其一类错误最高。Simon贝叶斯设计使用策略2对一类错误控制更严格,在绝大多数情景中BHM和Ba CIS设计使用策略1对一类错误控制更严格。Simon贝叶斯设计的检验效能随着期中分析频繁而增加,另外两种贝叶斯设计恰好相反。绝大多数情景下BHM设计效能最高,Simon贝叶斯设计效能最低,但是期中分析次数足够多时,Ba CIS的效能会有严重缩减。当存在较多试验组有效时,各设计将有更高的效能去识别无效试验组,且策略2通常要比策略1有更高的平均检验效能。无论哪一种策略,应用各设计的总样本量估算都会随着期中分析增加而减少,其中绝大数情景下样本量最大的是BHM设计,当期中分析足够频繁时Ba CIS设计期望样本量最小,所有设计均在同质性较高时更为节约样本量,且策略1比策略2更为节约样本量,由于期中分析次数会直接影响到样本量,而样本量过少会影响到效能和一类错误,因而期中分析次数需要合理设置,不宜过多。第Ⅲ部分,基于维罗非尼治疗BRAF V600E突变的多种非黑色素瘤患者的临床试验实例,评价不同贝叶斯设计不同参数设置对疗效结果判断的影响。Simon贝叶斯设计的在线平台便于计算反应率后验概率和样本量估计,且建议各组完全相关的先验概率λ取值不大于0.5以避免临床试验早期较小样本量下各亚组间过度信息共享。BHM设计和Ba CIS设计涉及到多个先验的选择与指定,除了对各亚组信息比较确定时,我们更建议选择弱借用的先验。在临床试验中,设计选择还是要视实际情形而定。