Zum Inhalt springen
Zurück zu den Suchergebnissen

Adaptive randomisierte klinische Studie

Eingeführt von
Donald Berry and colleagues; formalized by FDA guidance in 2010 and 2019
Jahr
Late 1990s–2000s (widespread adoption post-2010)
Typ
Experimental clinical trial design
Familie
Clinical / epidemiology

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Eine adaptive randomisierte kontrollierte Studie (adaptive RCT) ist eine prospektive experimentelle Studie, die vordefinierte Regeln verwendet, um einen oder mehrere Aspekte der Studie – wie Stichprobengröße, Allokationsverhältnisse oder Behandlungsarme – basierend auf während der Studie gesammelten Daten anzupassen, während die statistische Gültigkeit und Integrität der Studie erhalten bleibt.

Die Intuition hinter der Methode

Bei einem konventionellen RCT ist das Protokoll vor der Einschreibung des ersten Patienten festgelegt und ändert sich nicht, unabhängig davon, was die aufkommenden Daten nahelegen. Ein adaptiver RCT baut stattdessen Entscheidungspunkte ein: Wenn sich zwischenzeitliche Daten ansammeln, erlauben vordefinierte Regeln der Studie, zu reagieren – einen schlecht abschneidenden Arm zu streichen, mehr Patienten einer vielversprechenden Behandlung zuzuweisen oder frühzeitig zu stoppen, wenn die Evidenz überzeugend ist. Diese Flexibilität kann die Anzahl der Patienten, die einer unterlegenen Behandlung ausgesetzt sind, reduzieren und die Entwicklungszeiten verkürzen, erfordert jedoch eine äußerst sorgfältige Vorausplanung, um die Rate falsch positiver Ergebnisse nicht zu erhöhen.

Geschichte

Die konzeptionellen Grundlagen des adaptiven Trial-Designs leiten sich von der sequenziellen Analysenarbeit von Abraham Wald in den 1940er Jahren und den Vorschlägen zur „play-the-winner“-Randomisierung in den 1970er Jahren ab. Donald Berrys einflussreiche bayesianische adaptive Trial-Methoden in den späten 1990er und 2000er Jahren sowie wegweisende Studien wie die I-SPY 2 Brustkrebsstudie, die 2010 gestartet wurde, brachten adaptive Designs in die klinische Forschung. Die FDA veröffentlichte 2010 einen Entwurf und 2019 eine überarbeitete endgültige Leitlinie, die gut konzipierte adaptive Studien für Zulassungsanträge formell befürwortet und damit ihre Legitimität in der Medikamenten- und Biologikaentwicklung festigte.

Wann wird sie eingesetzt?

Verwenden Sie einen adaptiven RCT, wenn Sie eine bestätigende Wirksamkeitsfrage beantworten müssen und gleichzeitig die Flexibilität behalten möchten, auf gesammelte Evidenz zu reagieren – zum Beispiel, wenn die Schätzungen der Effektstärke im Designstadium unsicher sind, wenn mehrere Dosen oder Arme ausgewählt werden müssen oder wenn ethische oder Effizienzargumente die Minimierung der Patientenaussetzung gegenüber unterlegenen Behandlungen begünstigen. Er ist besonders wertvoll in der Onkologie, bei seltenen Krankheiten und in der Medikamentenentwicklung, wo Standardstichprobengrößen schwer zu erreichen sind. Verwenden Sie ihn nicht, wenn adaptive Regeln nicht zuverlässig im Voraus festgelegt werden können, wenn die Infrastruktur für unabhängige Zwischenüberwachung nicht verfügbar ist, wenn die Ergebnisse im Verhältnis zur Rekrutierungsrate sehr verzögert sind (was eine Echtzeit-Anpassung unpraktisch macht) oder wenn die zusätzliche operative und statistische Komplexität durch die wissenschaftliche Fragestellung nicht gerechtfertigt ist.

Grenzen und Hinweise

  • Erfordert umfangreiche Vorausplanung und Simulation auf statistischer Ebene; Designfehler, die vor der Studie gemacht wurden, können nicht mitten im Prozess korrigiert werden.
  • Die operative Komplexität ist erheblich höher als bei einem Standard-RCT – Herstellung, Lieferkette und DSMB-Infrastruktur müssen adaptive Entscheidungen berücksichtigen.
  • Wenn die Ergebnisermessung im Verhältnis zur Einschreibungsrate langsam ist, sind Zwischenergebnisse möglicherweise zu spärlich, um sinnvolle Anpassungen zu steuern.
  • Die behördliche Überprüfung ist intensiv; Behörden verlangen eine detaillierte Begründung jeder vordefinierten Anpassungsregel und Simulationsnachweise.

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Kann die Gesamtzahl der benötigten Patienten reduzieren, indem frühzeitig wegen Wirksamkeit abgebrochen oder futile Arme gestrichen werden.
  • Weist mehr Patienten besser abschneidenden Behandlungen zu, was das ethische Profil der Studie verbessert.
  • Ermöglicht nahtlose Phase-II/III-Designs und verkürzt die gesamten Medikamentenentwicklungszeiten.
  • Vordefinierte Anpassungsregeln stellen sicher, dass die statistische Strenge trotz Designflexibilität gewahrt bleibt.
  • Besonders wirkungsvoll bei seltenen Krankheiten und in der Onkologie, wo Designs mit fester Stichprobengröße oft nicht durchführbar sind.

Anwendungen

  • Nahtlose Phase-II/III-Onkologiestudien, die in einem Zwischenschritt die beste Dosis auswählen und dann ohne Unterbrechung mit der Bestätigungsprüfung fortfahren.
  • Studien zu Ausbrüchen von Infektionskrankheiten, die unter Zeitdruck eine schnelle Dosisfindung und Wirksamkeitsbestätigung erfordern (z. B. COVID-19-Plattformstudien wie RECOVERY und ACTT).
  • Studien zu seltenen Krankheiten, bei denen feste Einschreibungsziele nicht erreichbar sind und ein frühzeitiger Abbruch wegen Wirksamkeit ein ethisches Gebot ist.
  • Multi-Arm Multi-Stage (MAMS)-Designs in der Herz-Kreislauf-Medizin, die mehrere Interventionen gleichzeitig mit vordefinierter Arm-Ausmusterung vergleichen.
  • Dosis-Eskalations- und Dosis-Optimierungsstudien in der frühen Onkologie, die modellbasierte adaptive Regeln wie CRM (Continual Reassessment Method) verwenden.
  • Pädiatrische Medikamentenentwicklung, bei der die Minimierung der Patientenaussetzung gegenüber unterlegenen Dosen eine regulatorische und ethische Priorität hat.

So funktioniert es

So funktioniert es

1

Vor Beginn der Einschreibung legen Statistiker und Kliniker alle Anpassungen im Protokoll fest: welche Parameter geändert werden können (Allokationsverhältnis, Stichprobengröße, Anzahl der Arme, Dosisstufen), welche Zwischenanalysen diese Änderungen auslösen und wie die Entscheidungsregeln implementiert werden. Die Vorausfestlegung ist zwingend erforderlich – nachträgliche Anpassungen machen die Studie ungültig.

2

Patienten werden eingeschrieben und nach dem anfänglichen Allokationsverhältnis zufällig den Behandlungsarmen zugewiesen. Die Randomisierung kann anfänglich festgelegt und dann durch adaptive Regeln modifiziert werden (response-adaptive randomization) oder das Design kann von Anfang an eine stratifizierte oder bayesianische adaptive Randomisierung verwenden.

3

Ein unabhängiges Data Safety Monitoring Board (DSMB) führt Zwischenanalysen zu vordefinierten Zeitpunkten oder nach einer vordefinierten Anzahl von Ergebnisereignissen durch. Das DSMB überprüft unverblindete, akkumulierte Daten anhand der vordefinierten Stopp- oder Anpassungsgrenzen, um die Integrität der Studie zu schützen.

4

Basierend auf den Ergebnissen der Zwischenanalyse und den vordefinierten Regeln werden eine oder mehrere Anpassungen vorgenommen: Streichen unterlegener Arme (adaptive seamless design), Erhöhung der Stichprobengröße, wenn frühe Effektschätzungen kleiner als erwartet sind (sample size re-estimation), Verschiebung der Allokation hin zu besser abschneidenden Behandlungen oder vorzeitiger Abbruch wegen Wirksamkeit oder Futilität.

5

Die Endanalyse verwendet Methoden, die die adaptive Natur des Designs berücksichtigen – typischerweise eine Kombination aus Alpha-Spending-Funktionen, bedingten Power-Berechnungen oder bayesianischen Posterior-Wahrscheinlichkeiten –, um gültige, vordefinierte Schätzungen des primären Endpunkts und Konfidenzintervalle oder glaubwürdige Intervalle zu liefern.

Häufige Fallstricke

  • Ungeplante oder nachträgliche Anpassungen – jede Änderung, die nicht im Protokoll vordefiniert wurde, zerstört die statistische Gültigkeit der Studie und wird von den Regulierungsbehörden nicht akzeptiert.
  • Ignorieren des operativen Verzugs – wenn die meisten Patienten bereits eingeschrieben sind, wenn Zwischenergebnisse analysierbar sind, bieten Anpassungen keinen praktischen Nutzen.
  • Bias durch response-adaptive randomization – die Zuweisung von mehr Patienten zu scheinbar führenden Armen mitten in der Studie kann zu zeitabhängigen Störvariablen führen, wenn sich Patientenmerkmale oder der Standard der Versorgung während der Einschreibung ändern.
  • Multiplizitätsinflation – das Hinzufügen von Anpassungsentscheidungspunkten ohne rigorose Alpha-Spending- oder bayesianische Kontrollen erhöht die familienbezogene Fehlerrate vom Typ I über akzeptable Grenzen hinaus.

Häufig gestellte Fragen

Gilt ein adaptiver RCT immer noch als randomisiert und kontrolliert?

Ja. Die Randomisierung bleibt während eines adaptiven RCT erhalten; die Anpassung modifiziert Parameter wie Allokationsverhältnisse oder Stichprobengröße, eliminiert aber weder die Randomisierung noch die Kontrolle. Die Studie bleibt experimentell und unterstützt weiterhin kausale Schlussfolgerungen, vorausgesetzt, die adaptiven Regeln wurden vollständig im Voraus festgelegt.

Wie unterscheidet sich ein adaptiver RCT von einem Standard-RCT mit einer Zwischenanalyse?

Ein Standard-RCT mit einer Zwischenanalyse verwendet den Zwischenblick nur, um einen frühzeitigen Abbruch wegen Sicherheit oder überwältigender Wirksamkeit in Erwägung zu ziehen – die grundlegendie Studiesparameter bleiben unverändert. Ein adaptiver RCT geht weiter: vordefinierte Regeln können Allokationsverhältnisse aktiv modifizieren, Arme streichen, die Stichprobengröße ändern oder das Design als Reaktion auf Zwischenergebnisse umstrukturieren.

Akzeptiert die FDA adaptive RCT-Ergebnisse zur Medikamentenzulassung?

Ja, vorausgesetzt, das adaptive Design ist im Voraus festgelegt, die statistischen Methoden kontrollieren die Fehler erster Art angemessen und der Sponsor hat sich frühzeitig mit der FDA beraten (idealerweise über ein Type-C-Meeting), um das Design zu vereinbaren. Die FDA-Leitlinie von 2019 zu adaptiven Designs enthält detaillierte Kriterien sowohl für gut verstandene als auch für neuartige adaptive Designs.

Welche Software wird zur Gestaltung und Simulation adaptiver RCTs verwendet?

Gängige Werkzeuge sind EAST (Cytel), ADDPLAN und benutzerdefinierte R-Pakete wie rpact, adaptDesign und RMediation. Bayesianische adaptive Designs verwenden oft BUGS, Stan oder proprietäre bayesianische Simulationsplattformen. Umfangreiche Simulationen vor der Studie sind erforderlich, um die Betriebseigenschaften unter einer Reihe plausibler Szenarien zu validieren.

Kann response-adaptive randomization zu Verzerrungen führen?

Ja, wenn die Einschreibung lang ist und sich Patientenpopulationen oder Hintergrundbehandlungen im Laufe der Zeit ändern, kann die fortschreitende Verzerrung der Allokation zu einem Arm zu einem Ungleichgewicht bei zeitabhängigen Störvariablen führen. Stratifizierung, Kovariaten-adaptive Randomisierung und sorgfältige Zeitplanung von Anpassungen werden verwendet, um dieses Risiko zu mindern.

Verwandte Methoden

Quellen

  1. Berry, D. A. (2006). Bayesian clinical trials. Nature Reviews Drug Discovery, 5(1), 27–36.

    DOI-Referenz öffnen
    Kopiert.
  2. U.S. Food and Drug Administration. (2019). Adaptive Designs for Clinical Trials of Drugs and Biologics: Guidance for Industry. FDA.

    Publikationsreferenz öffnen
    Kopiert.