تحليل البقاء التكيفي — تصميم تجربة تكيفية للوقت حتى وقوع حدث
- قدّمه
- Bauer, Posch, and collaborators (adaptive design framework); Lachin & Foulkes (event-driven survival trial foundations)
- السنة
- 2000s (formalized ~2000–2006)
- النوع
- Adaptive statistical design for time-to-event outcomes
- العائلة
- Clinical / epidemiology
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
يدمج تحليل البقاء التكيفي تصميم التجارب السريرية التكيفية مع أساليب الإحصاء للوقت حتى وقوع حدث، مما يسمح بتعديلات محددة مسبقًا لحجم العينة، أو أهداف الأحداث، أو نسب التخصيص في المراحل المؤقتة بناءً على بيانات البقاء المتراكمة. يُستخدم على نطاق واسع في أبحاث الأورام وأمراض القلب والأوعية الدموية والأمراض المعدية حيث يكون المقياس الأساسي هو نتيجة قائمة على المخاطر مثل البقاء الخالي من التقدم أو الوفيات لجميع الأسباب.
الفكرة الحدسية وراء الطريقة
تخيل إجراء تجربة سرطانية حيث خططت في الأصل لمراقبة 300 حالة وفاة قبل إجراء التحليل النهائي. في منتصف الطريق، تشير البيانات المتراكمة إلى أن المرضى يعيشون لفترة أطول من المتوقع - مما يعني أنك ستحتاج إلى وقت متابعة أطول بكثير من المخطط له للوصول إلى 300 حدث. يسمح لك تحليل البقاء التكيفي بالنظر إلى البيانات المؤقتة وزيادة هدف الحدث رسميًا (أو إعادة تقدير مدة المتابعة) دون تضخيم معدل الخطأ من النوع الأول. الفكرة الرئيسية هي أنك تحدد قواعد التكيف مسبقًا قبل كشف التعمية بحيث يظل إطار القرار العام صالحًا إحصائيًا على الرغم من أن تصميم التجربة قد تغير في منتصف الطريق.
التاريخ
يعود تاريخ تحليل البقاء كتخصص رسمي إلى كابلان وماير (1958) وكوكس (1972). تطورت منهجية التصميم التكيفي للتجارب السريرية في التسعينيات من خلال عمل باور وكوهن (1994)، الذين قدموا اختبارات الدمج للتصاميم متعددة المراحل، وتم توسيعها لتشمل نقاط نهاية البقاء الموجهة بالأحداث من قبل باور وبوش (2004) وآخرين. وضعت توجيهات إدارة الغذاء والدواء الأمريكية لعام 2019 بشأن التصاميم التكيفية ودليل ICH E20 (قيد التطوير) منذ ذلك الحين معايير تنظيمية. أصبح تحليل البقاء التكيفي الآن معيارًا في التجارب المحورية للأورام ويتم اعتماده بشكل متزايد في أبحاث أمراض القلب والأوعية الدموية والأمراض المعدية.
متى تُستخدم
استخدم تحليل البقاء التكيفي عندما يكون مقياس الوقت حتى وقوع حدث هو المقياس الأساسي، ويكون الوصول إلى البيانات المؤقتة ممكنًا تشغيليًا، ويوجد عدم يقين حقيقي بشأن معدل الحدث، أو حجم تأثير نسبة المخاطر، أو التخصيص الأمثل. إنه ذو قيمة خاصة في تجارب الأورام وفيروس نقص المناعة البشرية وأمراض القلب والأوعية الدموية حيث يمكن أن يؤدي الإيقاف المبكر للفعالية أو العبث إلى حماية المرضى من العلاجات غير الفعالة وتسريع القرارات التنظيمية. لا تستخدمه عندما لا يمكن تحديد قواعد التكيف مسبقًا قبل كشف التعمية المؤقت (التكيفات اللاحقة تبطل التحكم في الخطأ من النوع الأول)، أو عندما تكون الدراسة رصدية بدون خطة تحليل استباقية، أو عندما تكون أحجام العينات صغيرة جدًا بحيث تكون التقديرات المؤقتة غير مستقرة للغاية لإبلاغ تكيف موثوق، أو عندما توجهات الجهات التنظيمية للمؤشر تثبط تغييرات التصميم أثناء التجربة.
الحدود والاعتبارات
- يتطلب تخطيطًا مكثفًا قبل التجربة؛ يجب تحديد قواعد التكيف بالكامل مسبقًا في البروتوكول وخطة التحليل الإحصائي قبل الوصول إلى أي بيانات مؤقتة.
- التعقيد التشغيلي مرتفع: يلزم وجود إحصائيين معماة، وقواعد تكيف مختومة، ولجان مستقلة لمراقبة البيانات كضمانات.
- قيم الاحتمال لاختبارات الدمج وفواصل الثقة التكيفية أقل بديهية للأطباء والجهات التنظيمية من مخرجات لوغ-رانك التقليدية.
- يمكن أن يؤدي الإيقاف المبكر للفعالية إلى تقديرات غير دقيقة لنسبة المخاطر؛ قد يكون فاصل الثقة النهائي واسعًا على الرغم من قيمة الاحتمال الدالة.
- يختلف القبول التنظيمي حسب الوكالة والمؤشر؛ يجب استشارة توجيهات ICH E8(R1) و FDA بشأن التصاميم التكيفية أثناء تطوير البروتوكول.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- يحافظ على التحكم الإجمالي في الخطأ من النوع الأول مع السماح بتعديلات أثناء التجربة، شريطة أن تكون القواعد محددة مسبقًا.
- يحسن الكفاءة: يمكن أن تتوقف التجارب مبكرًا للفعالية الساحقة أو العبث، مما يتجنب تعرض المرضى غير الضروري.
- إعادة تقدير حجم العينة تصحح الافتراضات الأولية غير الصحيحة بشأن معدلات الأحداث أو أحجام التأثير، مما يحافظ على القوة الإحصائية.
- يمكن للعشوائية التكيفية للاستجابة تحويل المزيد من المرضى إلى الذراع الأفضل أداءً مع تراكم الأدلة.
- ذو قيمة خاصة في مجالات الأمراض النادرة أو المجالات العلاجية سريعة التطور حيث تكون التصاميم الثابتة غير مرنة تشغيليًا.
التطبيقات
- تجارب الأورام التي تستخدم البقاء الخالي من التقدم أو البقاء الكلي كمقياس أساسي، مع إعادة تقدير مؤقت لعدد الأحداث المطلوبة.
- تجارب نتائج أمراض القلب والأوعية الدموية حيث تكون معدلات الأحداث في ذراع التحكم غير مؤكدة وتكون هناك حاجة لإعادة تقدير حجم العينة في المرحلة المؤقتة.
- تجارب فيروس نقص المناعة البشرية والأمراض المعدية مع عشوائية تكيفية للاستجابة تحول التخصيص نحو النظام الأكثر فعالية.
- تجارب المنصة التي تقيم أذرعًا تجريبية متعددة مقابل ذراع تحكم مشترك، باستخدام بيانات البقاء المؤقتة لإسقاط الأذرع غير الفعالة.
- تجارب الأمراض النادرة حيث تتطلب أحجام العينات الأولية الصغيرة مكاسب في الكفاءة من خلال حدود الإيقاف التكيفية.
- تقديمات تنظيمية لمسارات الموافقة المعجلة حيث تفيد بيانات البقاء المؤقتة قرارات تقديم مبكرة.
كيف يعمل
كيف يعمل
يتم تخطيط التجربة مع نظرة مؤقتة واحدة أو أكثر محددة مسبقًا في البروتوكول. تشمل المعلمات الرئيسية عدد الأحداث الأولي أو نسبة المعلومات، وحدود الدلالة (المشتقة غالبًا من دوال إنفاق التسلسل الجماعي مثل O'Brien-Fleming أو Lan-DeMets)، وقواعد التكيف الصريحة - على سبيل المثال، إعادة تقدير الأحداث المطلوبة من معدلات الأحداث المجمعة المعماة أو تغيير نسب العشوائية بناءً على القوة الشرطية المرصودة.
في كل تحليل مؤقت، تقوم لجنة مستقلة لمراقبة البيانات بمراجعة بيانات البقاء المتراكمة. يتم تقدير منحنيات البقاء باستخدام منهجية كابلان-ماير، ويتم حساب إحصائية لوغ-رانك (أو متغير مرجح). يتم حساب القوة الشرطية - احتمال رفض الفرضية الصفرية في التحليل النهائي بالنظر إلى الاتجاهات الحالية - لإبلاغ ما إذا كان التكيف مبررًا.
بناءً على النتائج المؤقتة وقواعد التكيف المحددة مسبقًا، يتم تنفيذ التعديلات المسموح بها. تشمل التكيفات الشائعة إعادة تقدير حجم العينة لاستعادة القوة الشرطية، وتعديل هدف الحدث عندما ينحرف معدل الحدث المرصود عن الافتراضات، وتحولات العشوائية التكيفية للاستجابة التي تفضل الذراع الأكثر فعالية. يجب أن تحافظ جميع التكيفات على معدل الخطأ الإجمالي من النوع الأول على مستوى العائلة، عادةً عبر اختبارات الدمج أو تعديلات إنفاق ألفا.
بعد جميع التكيفات وبمجرد الوصول إلى عدد الأحداث النهائي، يتم تقدير دوال البقاء لكل مجموعة (منحنيات كابلان-ماير)، ويتم إجراء مقارنة العلاج الأساسية باستخدام اختبار لوغ-رانك أو نموذج كوكس للمخاطر النسبية المعدل لمتغيرات التقسيم. عندما تم استخدام اختبارات الدمج عبر المراحل، يتم حساب قيمة الاحتمال من الدمج المرجح للإحصائيات المرحلية بدلاً من تحليل مجمع واحد.
يقدم الاستدلال النهائي نسبة المخاطر مع فاصل ثقة، وقيمة الاحتمال الإجمالية من إجراء الدمج التكيفي، وإذا كان متوسط وقت البقاء أو وقت البقاء المقيد ذو أهمية سريرية - تلك التقديرات مع عدم اليقين الخاص بها. يتم الإبلاغ عن احتمالية رفض شرطية أو فاصل ثقة تكيفي جنبًا إلى جنب مع المخرجات القياسية للحفاظ على القابلية للتفسير. يوثق تقرير التحليل جميع قواعد التكيف المحددة مسبقًا وأي انحرافات، ويتم تدقيق سلامة التجربة مقابل خطة التحليل الإحصائي الأصلية.
الأخطاء الشائعة
- التكيفات غير المخطط لها: تعديل التصميم بعد الوصول إلى بيانات النتائج غير المعماة دون تحديد مسبق يبطل التحكم في الخطأ من النوع الأول ويجعل النتائج غير موثوقة.
- تجاهل الطبيعة الموجهة بالأحداث لتجارب البقاء: يمكن أن يؤدي تكييف حجم العينة بعدد الأشخاص بدلاً من عدد الأحداث إلى ترك التجربة ذات قوة إحصائية غير كافية إذا كان معدل الحدث أقل من المتوقع.
- دمج قيم الاحتمال الساذجة: استخدام قيمة احتمال لوغ-رانك مجمعة قياسية عبر المراحل التكيفية دون اختبار دمج مناسب (مثل، مقلوب الطبيعي أو دمج فيشر) ينتج عنه اختبار إجمالي متضخم أو غير صالح.
- إهمال عدم استقرار القوة الشرطية: تقديرات القوة الشرطية في المراحل المبكرة جدًا (أقل من 25٪ من المعلومات) متغيرة للغاية وغير موثوقة كأساس وحيد لقرارات التكيف.
- خلط إعادة التقدير المعماة وغير المعماة: إعادة تقدير حجم العينة المعماة بناءً على معدلات الأحداث الإجمالية تحافظ على سرية التخصيص وأقل إثارة للجدل من إعادة التقدير غير المعماة، والتي تتطلب جدران حماية أكثر صرامة.
الأسئلة الشائعة
كيف يختلف تحليل البقاء التكيفي عن التصميم التسلسلي الجماعي القياسي؟
تسمح التصاميم التسلسلية الجماعية فقط بالإيقاف المبكر المحدد مسبقًا للفعالية أو العبث مع الحفاظ على جميع معلمات التصميم الأخرى ثابتة. تحليل البقاء التكيفي أوسع: يسمح بالإضافة إلى ذلك بتعديلات أثناء التجربة على هدف الحدث، أو حجم العينة، أو نسبة العشوائية، أو حتى تعريف المقياس الأساسي، شريطة أن تكون قواعد التكيف محددة مسبقًا ويتم استخدام اختبار دمج صالح للحفاظ على التحكم في الخطأ من النوع الأول. التصاميم التسلسلية الجماعية هي حالة خاصة وأبسط ضمن الإطار التكيفي.
هل يتطلب تحليل البقاء التكيفي تجربة عشوائية؟
تم تطوير آلية التصميم التكيفي - اختبارات الدمج، وإعادة تقدير حجم العينة، والعشوائية التكيفية للاستجابة - للتجارب العشوائية المضبوطة. تطبيق قواعد تكيف رسمية على بيانات البقاء الرصدية غير قياسي وغير مناسب بشكل عام لأن التحيز في الاختيار والارتباك يقوضان إطار الاستدلال. بالنسبة لدراسات البقاء الرصدية، فإن أساليب السببية المتسلسلة أو تصاميم الأتراب الاستباقية مع خطط تحليل مسجلة مسبقًا هي أكثر ملاءمة.
هل ستقبل الجهات التنظيمية تجربة بقاء مصممة تكيفيًا؟
نعم، شريطة أن تكون قواعد التكيف محددة بالكامل مسبقًا في البروتوكول، وأن يتم الانتهاء من خطة التحليل الإحصائي قبل أي تحليل مؤقت غير معماة، وأن يتضمن التقديم الخطة الأصلية جنبًا إلى جنب مع توثيق جميع التكيفات. أصدرت إدارة الغذاء والدواء الأمريكية توجيهات بشأن التصاميم التكيفية في عام 2019 وتشجع على التفاعل المبكر مع الوكالة للتجارب التكيفية المحورية. لدى EMA توقعات مماثلة بموجب ورقتها التأملية بشأن التصاميم التكيفية.
ما هي البرامج التي تدعم تحليل البقاء التكيفي؟
تدعم الحزم التجارية مثل East (Cytel) و ADDPLAN و nQuery تصميم تجارب البقاء التكيفية مع خيارات التسلسل الجماعي واختبارات الدمج. توفر حزم R بما في ذلك gsDesign و rpact و adaptTest تطبيقات مفتوحة المصدر. يعالج SAS PROC SEQDESIGN تجارب البقاء التسلسلية الجماعية. يوصى بشدة بالمحاكاة في مرحلة التصميم للتحقق من خصائص التشغيل عبر مجموعة من السيناريوهات المعقولة.
هل يمكنني استخدام قيمة الاحتمال القياسية للوغ-رانك بعد تعديل تكيفي؟
لا. بمجرد استخدام تحليل مؤقت غير معماة لتعديل التصميم، لم تعد إحصائية لوغ-رانك التقليدية المجمعة عبر جميع المرضى صالحة لأن بيانات المرحلة الأولى والثانية لم تعد موزعة بشكل متطابق تحت الفرضية الصفرية. يجب تطبيق اختبار دمج - مثل نهج مقلوب الطبيعي أو دمج فيشر - للحفاظ على معدل الخطأ الاسمي من النوع الأول. الإبلاغ عن قيمة احتمال لوغ-رانك مجمعة ساذجة في هذا الموقف هو خطأ منهجي.
طرق ذات صلة
المصادر
Bauer, P., & Posch, M. (2004). Modification of the sample size and the schedule of interim analyses in survival trials based on data inspections. Statistics in Medicine, 23(8), 1333–1353.
افتح مرجع المنشورتم النسخ.Mehta, C., Bhatt, M., & Bhattacharya, R. (2009). Adaptive randomization for survival endpoints in oncology trials. Journal of Clinical Oncology, 27(15_suppl), e20750.
افتح مرجع المنشورتم النسخ.