Zum Inhalt springen
Zurück zu den Suchergebnissen

Crossover-Randomisierter Kontrollierter Versuch

Eingeführt von
Early formalized by statisticians including Bradford Hill and colleagues in clinical trials; theoretical framework developed by Grizzle (1965) and later Senn (2002)
Jahr
1960s (Grizzle 1965 for statistical foundations); widely used in clinical research since the 1970s
Typ
Experimental within-subject design
Familie
Experimental design

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

Schriftgröße

Was leistet sie?

Ein Crossover-Randomisierter Kontrollierter Versuch (Crossover-RCT) ist ein experimentelles Design, bei dem jeder Teilnehmer alle Studieninterventionen in einer randomisierten Reihenfolge erhält, getrennt durch eine Washout-Periode.

Da jeder Teilnehmer als seine eigene Kontrolle dient, wird die Variabilität innerhalb der Subjekte aus dem Behandlungsvergleich eliminiert, was zu einer größeren statistischen Aussagekraft pro Teilnehmer führt als bei einem parallelen RCT gleicher Größe.

Die Intuition hinter der Methode

In einem Standard-RCT erhalten unterschiedliche Personen unterschiedliche Behandlungen, sodass personenübergreifende Variationen den Vergleich trüben. Ein Crossover-RCT umgeht dies, indem jeder Teilnehmer nacheinander jede Behandlung erhält – zuerst eine Intervention, dann (nach einem Washout zur Beseitigung aller Restwirkungen) die andere. Da Sie dieselbe Person unter beiden Bedingungen vergleichen, heben sich die Störungen durch individuelle Unterschiede weitgehend auf. Die entscheidende Annahme ist, dass die Washout-Periode lang genug ist, damit Behandlung A keine Spuren hinterlässt, wenn Behandlung B beginnt.

Geschichte

Crossover-Designs tauchten im frühen 20. Jahrhundert in der landwirtschaftlichen Versuchsplanung auf. Ihre formale Anwendung auf klinische Studien wurde von Bradford Hill und Kollegen in den 1950er Jahren vorangetrieben. Das kritische statistische Problem der Übertragungseffekte wurde von Grizzle (1965) rigoros charakterisiert, dessen Zwei-Perioden-Zwei-Behandlungs-Modell ein Bezugspunkt bleibt. Stephen Senns Monographie Cross-over Trials in Clinical Research (1993, 2. Aufl. 2002) fasste das Feld zusammen und ist die Standardreferenz für moderne Crossover-Methodik.

Wann wird sie eingesetzt?

Verwenden Sie einen Crossover-RCT, wenn die zu behandelnde Erkrankung stabil und chronisch ist (z. B. Bluthochdruck, chronische Schmerzen, Asthma), wenn eine ausreichende Washout-Periode definiert und durchgesetzt werden kann und wenn die Stichprobengröße begrenzt ist – das Within-Subject-Design kann erheblich weniger Teilnehmer erfordern, um die gleiche Aussagekraft wie ein paralleler RCT zu erzielen. Es eignet sich besonders gut für pharmakokinetische Studien, Dosis-Findungs-Studien und Bewertungen von Gesundheitstechnologien, die symptomatische Behandlungen vergleichen. Verwenden Sie KEIN Crossover-Design, wenn: (1) erwartet wird, dass die Intervention eine dauerhafte oder langanhaltende Veränderung bewirkt (z. B. Chirurgie, Impfung, Verhaltensänderungsprogramme, die fortbestehen); (2) der Krankheitsverlauf schnell fortschreitet oder zwischen den Perioden stark variiert; (3) hohe Abbruchraten erwartet werden, da unvollständige Crossover-Daten schwieriger zu analysieren sind als Abbrüche bei parallelen Gruppen; oder (4) die Erkrankung akut und episodisch ist, was die zweite Periode nicht mit der ersten vergleichbar macht.

Grenzen und Hinweise

  • Annahme von keinem Übertragungseffekt: Die Gültigkeit des gesamten Designs hängt von einer Washout-Periode ab, die lang genug ist, um Restbehandlungseffekte zu eliminieren – diese Annahme kann schwer zu überprüfen oder zu garantieren sein.
  • Periodeneffekte (säkulare Trends, Lerneffekte, Krankheitsfortschritt) können Within-Subject-Vergleiche verzerren, wenn sich die Bedingungen über die Perioden hinweg systematisch ändern.
  • Ungeeignet für Erkrankungen, die akut, episodisch sind oder wahrscheinlich durch die erste Behandlung geheilt oder wesentlich verändert werden.
  • Längere Studiendauer aufgrund mehrerer Behandlungsperioden und Washout-Intervalle erhöht das Abbruchrisiko und die Belastung der Teilnehmer.
  • Die statistische Analyse ist komplexer als bei parallelen RCTs; die Testung auf Übertragungseffekte hat eine geringe Aussagekraft, und ein fehlgeschlagener Test beweist nicht die Abwesenheit von Übertragungseffekten.

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

Stärken

  • Jeder Teilnehmer fungiert als seine eigene Kontrolle, wodurch die Variabilität zwischen den Subjekten aus dem Behandlungsvergleich eliminiert und die statistische Aussagekraft erheblich erhöht wird.
  • Erfordert weniger Teilnehmer als ein paralleler RCT, um eine gleichwertige Aussagekraft zu erzielen – ein wichtiger Vorteil, wenn Teilnehmer knapp oder die Rekrutierung kostspielig ist.
  • Teilnehmer und Kliniker finden es oft attraktiv, da jeder eingeschriebene Teilnehmer die Möglichkeit hat, die aktive Intervention zu erhalten.
  • Schätzungen individueller Behandlungsreaktionen können erhalten werden, was die Untersuchung von Behandlungs-durch-Subjekt-Interaktionen ermöglicht.
  • Gut etablierte regulatorische Akzeptanz in pharmakologischen und gerätebezogenen Studien, mit Leitlinien von ICH E9 und EMA.

Anwendungen

  • Vergleichende pharmakokinetische und Bioäquivalenzstudien zur Bewertung von Generika im Vergleich zu Markenmedikamenten bei gesunden Freiwilligen.
  • Studien zur Behandlung chronischer Krankheiten, die symptomatische Behandlungen für Erkrankungen wie Bluthochdruck, Asthma oder chronische Schmerzen vergleichen.
  • Studien zu Ernährungsinterventionen, die die akuten metabolischen Auswirkungen verschiedener Diäten oder Nahrungsergänzungsmittel bewerten.
  • Bewertungen von Gesundheitstechnologien, die Medizinprodukte oder Diagnoseverfahren vergleichen, bei denen Präzision auf Patientenebene erforderlich ist.
  • Dosis-Findungs- und Proof-of-Concept-Studien, bei denen die Maximierung der Information pro Teilnehmer Priorität hat.
  • Physiologische und sportwissenschaftliche Experimente, die Trainingsprotokolle oder ergogene Hilfsmittel bei stabilen, trainierten Populationen vergleichen.

So funktioniert es

So funktioniert es

1

Geeignete Teilnehmer werden rekrutiert und zufällig einer von zwei (oder mehr) Sequenzgruppen zugeordnet – zum Beispiel erhält Gruppe 1 Behandlung A, dann B (AB-Sequenz) und Gruppe 2 B, dann A (BA-Sequenz). Die Randomisierung von Sequenzen gleicht Sequenz-Ordnungseffekte über die Stichprobe hinweg aus.

2

Jeder Teilnehmer erhält die erste Intervention, die seiner randomisierten Sequenz zugeordnet ist. Ergebnismaße werden am Ende dieser Periode gemäß einem vordefinierten Zeitplan erhoben. Verblindung von Teilnehmern und Gutachtern wird, wo immer möglich, angewendet.

3

Auf jede aktive Behandlungsperiode folgt eine Washout-Periode. Ihre Länge muss die biologische oder pharmakologische Halbwertszeit der Intervention überschreiten, damit alle Restwirkungen (Übertragungseffekte) abgeklungen sind, bevor die nächste Behandlung beginnt. Unzureichendes Washout ist die häufigste Bedrohung für die Gültigkeit von Crossover-Studien.

4

Die Teilnehmer wechseln zu ihrer zweiten zugewiesenen Intervention, und die Ergebnismaße werden nach demselben Protokoll wie in Periode 1 erneut erhoben. Studien mit mehr als zwei Behandlungen fügen weitere Perioden mit Washout-Intervallen zwischen jeder hinzu.

5

Vor der Zusammenfassung der Daten über die Perioden hinweg testet der Analytiker auf einen Übertragungseffekt – eine statistisch signifikante Perioden-durch-Behandlungs-Interaktion zeigt an, dass Restwirkungen der ersten Behandlung die zweite Periode kontaminiert haben. Wenn ein Übertragungseffekt vorhanden ist, können nur die Daten der ersten Periode verwendet werden, wodurch die Analyse zu einem parallelen Vergleich zurückkehrt.

6

Wenn kein Übertragungseffekt festgestellt wird, zerlegt ein lineares gemischtes Modell (oder eine ANOVA mit wiederholten Messungen) die Varianz in Behandlungs-, Perioden-, Sequenz- und Subjekteffekte. Die Behandlungsschätzung nutzt Vergleiche innerhalb der Subjekte und liefert eine präzisere Schätzung als eine Analyse zwischen den Subjekten bei gleicher Stichprobengröße.

Häufige Fallstricke

  • Unzureichende Washout-Periode: Forscher wählen die Länge der Washout-Periode manchmal aus administrativen Gründen statt auf der Grundlage pharmakologischer Beweise, was zulässt, dass Restwirkungen die zweite Periode kontaminieren und die Behandlungsschätzung verzerren.
  • Ignorieren von Periodeneffekten: Das Versäumnis, die Periode als Kovariate in das Modell aufzunehmen, kann die Rate des Typ-I-Fehlers erhöhen, wenn systematische Periodentrends vorhanden sind.
  • Anwendung des Crossover-Designs auf Behandlungen mit permanenten Effekten: Die Verwendung des Designs für Interventionen wie Chirurgie, Bildungsprogramme oder dauerhafte Verhaltensinterventionen verletzt die grundlegende Annahme der Austauschbarkeit.
  • Analyse nur vollständiger Komplettierer: Der Ausschluss von Teilnehmern, die nach Periode 1 abgebrochen haben, führt zu Selektionsverzerrungen; eine Intention-to-Treat-Analyse mit geeigneter Imputation sollte vordefiniert werden.
  • Unterdimensionierung durch Ignorieren der Intraklassenkorrelation: Die Stichprobengrößenberechnung muss die Korrelation innerhalb der Subjekte zwischen den Perioden berücksichtigen; andernfalls können über- oder unterdimensionierte Studien entstehen.

Häufig gestellte Fragen

Wie bestimme ich die richtige Länge der Washout-Periode?

Die Washout-Periode sollte mindestens das Fünffache der biologischen Halbwertszeit der Intervention betragen – für pharmakologische Wirkstoffe ist dies in der Regel einfach zu berechnen. Für nicht-medikamentöse Interventionen (z. B. diätetische Änderungen, Physiotherapie) muss die geeignete Länge durch Pilotdaten oder physiologische Überlegungen begründet werden. Im Zweifelsfall lieber eine längere Washout-Periode wählen; ein Design mit einem nachweislich ausreichenden Washout ist weitaus glaubwürdiger als eines, bei dem lediglich gehofft wird, dass kein Übertragungseffekt auftritt.

Was passiert, wenn ein Übertragungseffekt festgestellt wird?

Wenn der Test auf die Perioden-durch-Behandlungs-Interaktion signifikant ist (was auf einen Übertragungseffekt hindeutet), sind die Daten der zweiten Periode für den Behandlungsvergleich unzuverlässig. Der übliche Ausweg besteht darin, die Analyse auf die Daten der ersten Periode zu beschränken, was das Crossover in einen parallelen Vergleich mit etwa der halben beabsichtigten Stichprobengröße umwandelt – was die Aussagekraft erheblich reduziert. Dieses Ergebnis unterstreicht die Bedeutung einer ausreichenden Washout-Periode, anstatt sich auf statistische Tests zu verlassen, um ein fehlerhaftes Design zu retten.

Ist ein Crossover-RCT immer effizienter als ein paralleler RCT?

Nicht immer. Der Effizienzvorteil hängt von der Korrelation innerhalb der Subjekte ab: Je höher die Korrelation der Ergebnisse innerhalb einer Person über die Perioden hinweg ist (d. h. je stabiler die Erkrankung ist), desto größer ist der Aussagekraftgewinn. Wenn die Ergebnisse innerhalb von Individuen über die Zeit schlecht korreliert sind, schrumpft der Vorteil bei der Stichprobengröße. Die zusätzliche Komplexität und das Abbruchrisiko mehrerer Perioden müssen ebenfalls in die Effizienzkalkulation einbezogen werden.

Können Crossover-RCTs mehr als zwei Perioden haben?

Ja. Mehrperiodige Crossover-Designs (z. B. drei oder vier Behandlungen in lateinischen Quadrat- oder Williams-Quadrat-Anordnungen) werden verwendet, wenn mehrere Interventionen innerhalb jedes Teilnehmers verglichen werden müssen. Diese Designs bieten weitere Effizienzgewinne, erhöhen aber die Belastung der Teilnehmer, das Abbruchrisiko und die Komplexität der Modellierung von Übertragungseffekten. Sie sind am häufigsten in der pharmakokinetischen und Bioäquivalenzforschung anzutreffen.

Wie gehe ich mit fehlenden Daten um, wenn ein Teilnehmer nach Periode 1 abbricht?

Teilnehmer, die nur Periode 1 abschließen, liefern für diese Periode nutzbare Daten und sollten nicht von der Analyse ausgeschlossen werden. Ein vordefinierter Analyseplan mit linearen gemischten Modellen kann alle beobachteten Daten unter der Annahme 'zufällig fehlend' einbeziehen. Bei erheblichem Abbruch sollten multiple Imputation oder Sensitivitätsanalysen unter plausiblen Annahmen 'nicht zufällig fehlend' in Betracht gezogen werden.

Verwandte Methoden

Quellen

  1. Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Wiley.

    ISBN: 978-0471496533
    Kopiert.
  2. Jones, B., & Kenward, M. G. (2003). Design and Analysis of Cross-Over Trials (2nd ed.). Chapman and Hall/CRC.

    ISBN: 978-1584883429
    Kopiert.