Skip to content
بازگشت به نتایج جست‌وجو

آزمایش بالینی تصادفی تطبیقی

معرفی‌شده توسط
Donald Berry and colleagues; formalized by FDA guidance in 2010 and 2019
سال
Late 1990s–2000s (widespread adoption post-2010)
نوع
Experimental clinical trial design
خانواده
Clinical / epidemiology

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

یک آزمایش بالینی تصادفی تطبیقی (adaptive RCT) یک مطالعه آزمایشی آینده‌نگر است که از قوانین از پیش تعیین شده برای اصلاح یک یا چند جنبه از آزمایش — مانند اندازه نمونه، نسبت تخصیص، یا بازوهای درمانی — بر اساس داده‌های انباشته شده در طول خود آزمایش استفاده می‌کند، ضمن حفظ اعتبار آماری و یکپارچگی مطالعه.

شهود پشت روش

در یک RCT معمولی، پروتکل قبل از ثبت‌نام اولین بیمار ثابت است و صرف نظر از آنچه داده‌های نوظهور نشان می‌دهند، هیچ تغییری رخ نمی‌دهد. یک RCT تطبیقی به جای آن، نقاط بررسی تصمیم‌گیری را در خود جای می‌دهد: با انباشته شدن داده‌های میانی، قوانین از پیش برنامه‌ریزی شده به آزمایش اجازه می‌دهند تا واکنش نشان دهد — حذف یک بازوی با عملکرد ضعیف، تخصیص بیماران بیشتر به یک درمان امیدوارکننده، یا توقف زودهنگام در صورت وجود شواهد قاطع. این انعطاف‌پذیری می‌تواند تعداد بیمارانی را که در معرض درمان‌های پایین‌تر قرار می‌گیرند کاهش دهد و زمان‌بندی توسعه را کوتاه کند، اما نیازمند برنامه‌ریزی دقیق اولیه برای جلوگیری از افزایش نرخ مثبت کاذب است.

تاریخ

مبانی مفهومی طرح‌های تطبیقی آزمایش از کارهای تحلیل ترتیبی (sequential analysis) توسط آبراهام والد (Abraham Wald) در دهه ۱۹۴۰ و پیشنهادهای تصادفی‌سازی بازی-برنده (play-the-winner) در دهه ۱۹۷۰ نشأت می‌گیرد. روش‌های تأثیرگذار آزمایش تطبیقی بیزی دونالد بری (Donald Berry) در اواخر دهه ۱۹۹۰ و ۲۰۰۰، و آزمایش‌های برجسته مانند آزمایش سرطان پستان I-SPY 2 که در سال ۲۰۱۰ راه‌اندازی شد، طرح‌های تطبیقی را به تحقیقات بالینی اصلی وارد کرد. سازمان غذا و داروی آمریکا (FDA) در سال ۲۰۱۰ یک راهنمای پیش‌نویس و در سال ۲۰۱۹ یک راهنمای نهایی اصلاح شده منتشر کرد که به طور رسمی آزمایش‌های تطبیقی با طراحی خوب را برای ارائه‌های نظارتی تأیید کرد و مشروعیت آنها را در توسعه دارو و بیولوژیک تثبیت نمود.

چه زمانی استفاده شود

هنگامی که نیاز به پاسخ به یک سوال اثربخشی تأییدی دارید و در عین حال انعطاف‌پذیری برای واکنش به شواهد انباشته شده را حفظ می‌کنید، از یک RCT تطبیقی استفاده کنید — به عنوان مثال، زمانی که تخمین‌های اندازه اثر در مرحله طراحی نامشخص هستند، زمانی که نیاز به انتخاب چندین دوز یا بازو وجود دارد، یا زمانی که دلایل اخلاقی یا کارایی، به حداقل رساندن قرار گرفتن بیماران در معرض درمان‌های پایین‌تر را ترجیح می‌دهند. این روش به ویژه در انکولوژی، بیماری‌های نادر و توسعه دارو که دستیابی به اندازه‌های نمونه استاندارد دشوار است، ارزشمند است. زمانی که قوانین تطبیقی را نمی‌توان به طور قابل اعتماد از پیش تعیین کرد، زمانی که زیرساخت نظارت میانی مستقل در دسترس نیست، زمانی که پیامدها نسبت به نرخ پذیرش بسیار تأخیر دارند (که تطبیق در زمان واقعی را غیرعملی می‌کند)، یا زمانی که پیچیدگی عملیاتی و آماری اضافی توسط سوال علمی توجیه نمی‌شود، از آن استفاده نکنید.

محدودیت‌ها و ملاحظات

  • نیازمند برنامه‌ریزی آماری و شبیه‌سازی اولیه گسترده است؛ خطاهای طراحی که قبل از آزمایش انجام می‌شوند، قابل اصلاح در میانه راه نیستند.
  • پیچیدگی عملیاتی به طور قابل توجهی بیشتر از یک RCT استاندارد است — تولید، زنجیره تأمین، و زیرساخت DSMB همگی باید تصمیمات تطبیقی را در خود جای دهند.
  • هنگامی که اندازه‌گیری پیامد نسبت به نرخ پذیرش کند است، داده‌های میانی ممکن است برای هدایت تطبیق‌های معنی‌دار بسیار پراکنده باشند.
  • نظارت نظارتی شدید است؛ آژانس‌ها نیازمند توجیه دقیق هر قانون تطبیق از پیش تعیین شده و شواهد شبیه‌سازی هستند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • می‌تواند تعداد کل بیماران مورد نیاز را با توقف زودهنگام برای اثربخشی یا حذف بازوهای بی‌فایده کاهش دهد.
  • بیماران بیشتری را به درمان‌های با عملکرد بهتر تخصیص می‌دهد و مشخصات اخلاقی آزمایش را بهبود می‌بخشد.
  • امکان طرح‌های بدون وقفه فاز II/III را فراهم می‌کند و زمان‌بندی کلی توسعه دارو را کوتاه می‌کند.
  • قوانین تطبیق از پیش تعیین شده، علیرغم انعطاف‌پذیری طرح، استحکام آماری را حفظ می‌کنند.
  • به ویژه برای بیماری‌های نادر و انکولوژی که طرح‌های با نمونه ثابت اغلب غیرممکن هستند، قدرتمند است.

کاربردها

  • آزمایش‌های انکولوژی بدون وقفه فاز II/III که بهترین دوز را در مرحله میانی انتخاب کرده و سپس بدون وقفه به سمت آزمون تأییدی ادامه می‌دهند.
  • آزمایش‌های شیوع بیماری‌های عفونی که نیازمند تعیین سریع دوز و تأیید اثربخشی تحت فشار زمانی هستند (مانند آزمایش‌های پلتفرم COVID-19 مانند RECOVERY و ACTT).
  • مطالعات بیماری‌های نادر که در آنها اهداف ثبت‌نام ثابت قابل دستیابی نیستند و توقف زودهنگام به دلیل اثربخشی یک ضرورت اخلاقی است.
  • طرح‌های چند بازویی چند مرحله‌ای (MAMS) در پزشکی قلب و عروق که چندین مداخله را به طور همزمان با حذف بازوهای از پیش برنامه‌ریزی شده مقایسه می‌کنند.
  • مطالعات افزایش دوز و بهینه‌سازی دوز در انکولوژی فاز اولیه با استفاده از قوانین تطبیقی مبتنی بر مدل مانند CRM (Continual Reassessment Method).
  • توسعه داروی اطفال که در آن به حداقل رساندن قرار گرفتن بیماران در معرض دوزهای پایین‌تر، اولویت نظارتی و اخلاقی است.

چگونه کار می‌کند

چگونه کار می‌کند

1

قبل از شروع ثبت‌نام، آمارشناسان و پزشکان بالینی، تمام تطبیق‌ها را در پروتکل تعریف می‌کنند: کدام پارامترها ممکن است تغییر کنند (نسبت تخصیص، اندازه نمونه، تعداد بازوها، سطوح دوز)، تحلیل‌های میانی چه چیزی باعث ایجاد آن تغییرات می‌شود، و چگونه قوانین تصمیم‌گیری اجرا خواهند شد. پیش‌تعیین اجباری است — تطبیق‌های پس از وقوع (post-hoc) اعتبار آزمایش را از بین می‌برد.

2

بیماران ثبت‌نام شده و به صورت تصادفی به بازوهای درمانی با استفاده از نسبت تخصیص اولیه تخصیص داده می‌شوند. تصادفی‌سازی می‌تواند در ابتدا ثابت باشد و سپس توسط قوانین تطبیقی اصلاح شود (تصادفی‌سازی تطبیقی پاسخ‌دهنده)، یا طرح ممکن است از ابتدا از تصادفی‌سازی طبقه‌بندی شده یا بیزی تطبیقی استفاده کند.

3

یک هیئت نظارت مستقل ایمنی داده‌ها (DSMB) تحلیل‌های میانی را در نقاط زمانی از پیش تعیین شده یا پس از تعداد رویدادهای پیامد از پیش تعیین شده انجام می‌دهد. DSMB داده‌های انباشته شده بدون کورسازی را در برابر مرزهای توقف یا تطبیق از پیش تعیین شده بررسی می‌کند تا یکپارچگی آزمایش را حفظ کند.

4

بر اساس نتایج تحلیل میانی و قوانین از پیش تعریف شده، یک یا چند تطبیق اعمال می‌شود: حذف بازوهای پایین‌تر (طرح بدون وقفه تطبیقی)، افزایش اندازه نمونه در صورت کوچک‌تر بودن تخمین‌های اثر اولیه از حد انتظار (تخمین مجدد اندازه نمونه)، تغییر تخصیص به سمت درمان‌های با عملکرد بهتر، یا توقف زودهنگام به دلیل اثربخشی یا بی‌فایده بودن.

5

تحلیل نهایی از روش‌هایی استفاده می‌کند که ماهیت تطبیقی طرح را در نظر می‌گیرند — معمولاً ترکیبی از توابع صرفه‌جویی آلفا (alpha-spending functions)، محاسبات توان شرطی (conditional power)، یا احتمالات پسین بیزی (Bayesian posterior probabilities) — برای ارائه تخمین‌های معتبر و از پیش تعیین شده از نقاط پایانی اولیه و فواصل اطمینان یا فواصل اعتبار (credible intervals).

دام‌های رایج

  • تطبیق‌های برنامه‌ریزی نشده یا پس از وقوع (post-hoc) — هرگونه تغییری که در پروتکل از پیش تعیین نشده باشد، اعتبار آماری آزمایش را از بین می‌برد و توسط تنظیم‌کنندگان پذیرفته نخواهد شد.
  • نادیده گرفتن تأخیر عملیاتی — اگر بیشتر بیماران تا زمانی که داده‌های میانی قابل تحلیل باشند ثبت‌نام شده باشند، تطبیق‌ها هیچ مزیت عملی ارائه نمی‌دهند.
  • سوگیری تصادفی‌سازی تطبیقی پاسخ‌دهنده — تخصیص بیشتر بیماران به برندگان ظاهری در میانه آزمایش می‌تواند باعث عدم تعادل در عوامل مخدوش‌کننده متغیر با زمان شود. طبقه‌بندی، تصادفی‌سازی تطبیقی با کوواریانس، و زمان‌بندی دقیق تطبیق‌ها برای کاهش این خطر استفاده می‌شوند.
  • تورم تعدد (Multiplicity inflation) — افزودن نقاط تصمیم‌گیری تطبیقی بدون کنترل دقیق صرفه‌جویی آلفا یا کنترل‌های بیزی، نرخ خطای نوع اول در سطح خانواده (family-wise Type I error rate) را فراتر از حدود قابل قبول افزایش می‌دهد.

پرسش‌های متداول

آیا یک RCT تطبیقی هنوز تصادفی و کنترل شده محسوب می‌شود؟

بله. تصادفی‌سازی در طول یک RCT تطبیقی حفظ می‌شود؛ تطبیق پارامترهایی مانند نسبت‌های تخصیص یا اندازه نمونه را اصلاح می‌کند اما تصادفی‌سازی یا کنترل را حذف نمی‌کند. آزمایش آزمایشی باقی می‌ماند و به حمایت از استنتاج علی (causal inference) ادامه می‌دهد، به شرطی که قوانین تطبیقی به طور کامل از پیش تعیین شده باشند.

تفاوت یک RCT تطبیقی با یک RCT استاندارد با تحلیل میانی چیست؟

یک RCT استاندارد با تحلیل میانی، از نگاه میانی فقط برای در نظر گرفتن توقف زودهنگام به دلیل ایمنی یا اثربخشی قاطع استفاده می‌کند — پارامترهای اصلی آزمایش ثابت باقی می‌مانند. یک RCT تطبیقی فراتر می‌رود: قوانین از پیش تعیین شده می‌توانند نسبت‌های تخصیص را به طور فعال اصلاح کنند، بازوها را حذف کنند، اندازه نمونه را تغییر دهند، یا طرح را در پاسخ به یافته‌های میانی بازسازی کنند.

آیا FDA نتایج RCTهای تطبیقی را برای تأیید دارو می‌پذیرد؟

بله، به شرطی که طرح تطبیقی از پیش تعیین شده باشد، روش‌های آماری به درستی خطای نوع اول را کنترل کنند، و حامی مالی زودتر با FDA درگیر شده باشد (ترجیحاً از طریق یک جلسه نوع C) تا در مورد طرح توافق شود. راهنمای FDA در سال ۲۰۱۹ در مورد طرح‌های تطبیقی، معیارهای دقیقی را برای طرح‌های تطبیقی شناخته شده و جدید ارائه می‌دهد.

چه نرم‌افزارهایی برای طراحی و شبیه‌سازی RCTهای تطبیقی استفاده می‌شوند؟

ابزارهای رایج شامل EAST (Cytel)، ADDPLAN، و بسته‌های سفارشی R مانند rpact، adaptDesign، و RMediation هستند. طرح‌های تطبیقی بیزی اغلب از BUGS، Stan، یا پلتفرم‌های شبیه‌سازی بیزی اختصاصی استفاده می‌کنند. شبیه‌سازی گسترده قبل از آزمایش برای اعتبارسنجی ویژگی‌های عملیاتی تحت طیف وسیعی از سناریوهای محتمل مورد نیاز است.

آیا تصادفی‌سازی تطبیقی پاسخ‌دهنده می‌تواند سوگیری ایجاد کند؟

بله، اگر ثبت‌نام طولانی باشد و جمعیت بیماران یا درمان‌های پس‌زمینه در طول زمان تغییر کنند، انحراف تدریجی تخصیص به سمت یک بازو می‌تواند عدم تعادل در عوامل مخدوش‌کننده متغیر با زمان ایجاد کند. طبقه‌بندی، تصادفی‌سازی تطبیقی با کوواریانس، و زمان‌بندی دقیق تطبیق‌ها برای کاهش این خطر استفاده می‌شوند.

روش‌های مرتبط

منابع

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

    باز کردن مرجع DOI
    کپی شد.
  2. U.S. Food and Drug Administration. (2019). Adaptive Designs for Clinical Trials of Drugs and Biologics: Guidance for Industry. FDA.

    باز کردن مرجع انتشار
    کپی شد.