Skip to content
بازگشت به نتایج جست‌وجو

طراحی کارآزمایی تطبیقی

معرفی‌شده توسط
Stephen Pocock, Christopher Jennison, and statistical methodologists; FDA formalized guidance 2019
سال
1990s-2000s
نوع
Research Design
خانواده
trial design

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

اندازه قلم

چه کاری انجام می‌دهد؟

طراحی کارآزمایی تطبیقی (adaptive trial design) امکان اعمال اصلاحات از پیش تعیین‌شده در کارآزمایی را بر اساس داده‌های موقت فراهم می‌کند؛ مانند برآورد مجدد حجم نمونه، توقف به دلیل بی‌اثری یا اثربخشی، حذف بازوهای درمانی ناکارآمد، یا تغییر نسبت‌های تصادفی‌سازی به سمت درمان‌های با عملکرد بهتر. این روش‌ها که به طور سیستماتیک در دهه‌های ۱۹۹۰ تا ۲۰۰۰ توسط آمارشناسانی چون پوکاک و جنیسون توسعه یافتند و در سال ۲۰۱۹ توسط سازمان غذا و داروی آمریکا (FDA) رسمی شدند، روند توسعه دارو را تسریع کرده، مواجهه با درمان‌های ناکارآمد را کاهش داده و کارایی را بدون افزایش نرخ مثبت کاذب (false-positive rates) در صورت اجرای صحیح، بهبود می‌بخشند.

شهود پشت روش

کارآزمایی‌های با طراحی ثابت سنتی از یک برنامه سفت و سخت پیروی می‌کنند: ثبت نام N شرکت‌کننده، تصادفی‌سازی ۱:۱ به گروه درمان یا کنترل، و تحلیل نهایی در پایان. طراحی‌های تطبیقی پیشرفت کارآزمایی را در میانه راه بررسی می‌کنند: «آیا سیگنال روشنی از سودمندی مشاهده می‌کنیم؟ آیا یک بازو به وضوح بدتر است؟» اگر داده‌های نوظهور سودمندی را نشان دهند، شرکت‌کنندگان بیشتری برای تقویت شواهد ثبت نام می‌شوند. اگر یک بازو به وضوح ناکارآمد باشد، ثبت نام در آن متوقف شده و منابع تغییر مسیر می‌دهند. تصادفی‌سازی پاسخ-تطبیقی (Response-Adaptive Randomization - RAR) به طور پویا نسبت تصادفی‌سازی را تغییر می‌دهد: با نشان دادن نتایج بهتر توسط یک درمان، شرکت‌کنندگان جدید احتمال بیشتری دارد که به آن تصادفی شوند، که این امر مواجهه با بازوهای ضعیف‌تر را ضمن حفظ دقت علمی کاهش می‌دهد. نکته کلیدی، پیش‌مشخص‌سازی است: تمام قوانین تطبیق باید قبل از قفل شدن داده‌ها نوشته شوند و خطای نوع اول (نرخ مثبت کاذب) باید از طریق روش‌های آزمون متوالی کنترل شود.

تاریخ

طراحی‌های کارآزمایی تطبیقی در دهه ۱۹۹۰ ظهور کردند، زیرا آمارشناسان نظریه آزمون متوالی و توابع صرفه‌جویی آلفا را توسعه دادند (Jennison & Turnbull 2000). مقالات بنیادی پوکاک (Pocock) روش‌شناسی تحلیل موقت و طراحی تطبیقی را رسمی کردند. تصادفی‌سازی پاسخ-تطبیقی (RAR) در دهه ۲۰۰۰ با بلوغ روش‌های بیزی توسعه یافت. سازمان غذا و داروی آمریکا (FDA) راهنمایی‌های رسمی در مورد طراحی‌های تطبیقی در سال ۲۰۱۹ منتشر کرد که پذیرش آن‌ها را در توسعه دارویی تسریع بخشید. نمونه‌های برجسته شامل کارآزمایی‌های انکولوژی است که از طراحی‌های تطبیقی برای شناسایی دوزهای بهینه و اثربخشی استفاده می‌کنند. همه‌گیری COVID-19 پذیرش طراحی‌های تطبیقی را (مثلاً کارآزمایی SOLIDARITY، کارآزمایی RECOVERY) به دلیل نیاز فوری به شواهد سریع، کاتالیز کرد.

چه زمانی استفاده شود

از طراحی‌های تطبیقی زمانی استفاده کنید که: (۱) سیگنال‌های اولیه اثربخشی/بی‌اثری مورد انتظار باشد (مثلاً اثربخشی ممکن است ظرف ۶ ماه ظاهر شود)، (۲) حجم نمونه نامشخص باشد و بتواند توسط داده‌های موقت اصلاح شود، (۳) چندین بازوی درمانی آزمایش شوند و برخی ممکن است به وضوح ضعیف‌تر باشند، (۴) ملاحظات اخلاقی، حداقل کردن مواجهه با درمان‌های ناکارآمد را ایجاب کند، (۵) زمان‌بندی توسعه حیاتی باشد (مثلاً داروهای یتیم، انکولوژی)، (۶) منابع محدود باشند (طراحی‌های تطبیقی حجم نمونه یا مدت زمان را کاهش می‌دهند)، (۷) دانش قبلی نامشخص باشد (داده‌های موقت فرضیات مربوط به اندازه اثر، نرخ ریزش و غیره را اصلاح می‌کنند)، (۸) ادغام یکپارچه فاز II/III مورد نظر باشد (ترکیب یافتن دوز با آزمون اثربخشی).

محدودیت‌ها و ملاحظات

  • پیچیدگی: طراحی‌های تطبیقی نیازمند برنامه‌ریزی آماری پیچیده، زیرساخت تحلیل موقت و اجرای دقیق هستند. پنهان‌سازی و مدیریت داده‌ها چالش‌برانگیز می‌شوند.
  • تورم خطای نوع اول در صورت اجرای نادرست: تطبیقات پس از وقوع (post-hoc) یا ناآگاهی از روش‌های آزمون متوالی، مثبت‌های کاذب را افزایش می‌دهند. پیش‌مشخص‌سازی دقیق غیرقابل مذاکره است.
  • تورم اندازه اثر ناشی از توقف زودهنگام: اگر مرز توقف اثربخشی عبور کند، اندازه اثر مشاهده‌شده در آن نقطه احتمالاً متورم شده است (سوگیری خوش‌بینی). اثر نهایی کارآزمایی ممکن است کوچکتر از برآورد موقت باشد.
  • قابلیت مقایسه در طول تطبیقات: اگر بازوها حذف شوند یا نسبت‌های تصادفی‌سازی تغییر کنند، قابلیت مقایسه بین شرکت‌کنندگان جدید و اصلی ممکن است مختل شود. تحلیل‌های زیرگروهی مورد نیاز است.
  • هزینه نظارتی و عملیاتی: طراحی‌های تطبیقی نیازمند پیش‌ثبت‌نام، برنامه‌های آماری دقیق، تخصص تحلیل موقت و ارتباط با نهادهای نظارتی هستند. همه محیط‌ها قادر به پشتیبانی از این امر نیستند.

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

نقاط قوت

  • کارایی: کاهش حجم نمونه و مدت زمان کوتاه‌تر کارآزمایی در صورت قاطع بودن شواهد موقت، صرفه‌جویی در زمان و هزینه.
  • اخلاق: تصادفی‌سازی پاسخ-تطبیقی (RAR) مواجهه با بازوهای ضعیف‌تر را به حداقل می‌رساند؛ توقف به دلیل بی‌اثری از ثبت نام طولانی‌مدت در صورت عدم احتمال اثربخشی جلوگیری می‌کند.
  • انعطاف‌پذیری: تطبیقات می‌توانند به عدم قطعیت‌های نوظهور بدون قربانی کردن دقت آماری، در صورت پیش‌مشخص‌سازی، رسیدگی کنند.
  • مبتنی بر اطلاعات: داده‌های موقت، تخصیص منابع و انتخاب بازو را آگاه می‌سازند و طراحی کارآزمایی را به صورت پویا بهبود می‌بخشند.
  • پذیرش نظارتی: FDA و EMA طراحی‌های تطبیقی را در صورت پیش‌مشخص‌سازی صحیح و کنترل خطای نوع اول می‌پذیرند؛ این روش‌ها به طور فزاینده‌ای در توسعه مدرن دارو استاندارد شده‌اند.

کاربردها

  • یافتن دوز و فاز II/III یکپارچه: ثبت نام شرکت‌کنندگان اولیه در دوزهای متعدد، تحلیل موقت دوز بهینه را شناسایی می‌کند، سپس به طور یکپارچه به آزمون اثربخشی با آن دوز و کنترل دارونما منتقل می‌شود.
  • کارآزمایی‌های انکولوژی: طراحی‌های تطبیقی امکان توقف زودهنگام برای اثربخشی برتر یا بی‌اثری را فراهم می‌کنند؛ تصادفی‌سازی پاسخ-تطبیقی بیماران بیشتری را به رژیم‌های درمانی مفید هدایت می‌کند.
  • توسعه دارو برای بیماری‌های نادر: جمعیت کوچکتر باعث می‌شود طراحی‌های ثابت قدرت کافی نداشته باشند؛ طراحی تطبیقی حجم نمونه را بر اساس اندازه اثر نوظهور برآورد مجدد می‌کند و امکان‌پذیری را بهبود می‌بخشد.
  • پاسخ به شیوع بیماری‌های عفونی: در طول اپیدمی‌ها، طراحی‌های تطبیقی با حذف بازوهای ناکارآمد و تغییر تمرکز به سمت درمان‌های با بهترین عملکرد، شناسایی درمان‌های مؤثر را تسریع می‌کنند.
  • مداخلات رفتاری و سلامت روان: چندین مداخله آزمایشی؛ طراحی تطبیقی انواع ناکارآمد را زودتر حذف کرده و منابع را به موارد امیدوارکننده تخصیص مجدد می‌دهد.

چگونه کار می‌کند

چگونه کار می‌کند

1

مرحله طراحی: پروتکل کارآزمایی را مشخص کنید، شامل نقطه پایانی اولیه، زمان‌های بررسی موقت (مثلاً در ۵۰٪ و ۱۰۰٪ رویدادهای هدف یا شرکت‌کنندگان ثبت‌نام شده)، قوانین توقف (آستانه اثربخشی، مرز بی‌اثری)، و قوانین تطبیق (برآورد مجدد حجم نمونه، حذف بازو، تغییر نسبت تصادفی‌سازی). از توابع صرفه‌جویی آلفا (alpha-spending functions) مانند اوبراین-فلمینگ (O'Brien-Fleming) برای تخصیص خطای نوع اول بین تحلیل‌های موقت و نهایی استفاده کنید تا اطمینان حاصل شود که خطای کل نوع اول در سطح ۰.۰۵ باقی می‌ماند. در صورت امکان، تصادفی‌سازی پاسخ-تطبیقی (RAR) را پیاده‌سازی کنید: احتمالات تصادفی‌سازی بر اساس داده‌های پیامد موقت تغییر می‌کنند (مثلاً اگر درمان A نرخ پاسخ بالاتری نشان دهد، شرکت‌کنندگان جدید احتمال بیشتری برای تصادفی شدن به A خواهند داشت). شرکت‌کنندگان را طبق الگوریتم تطبیقی ثبت نام و تصادفی کنید. داده‌های موقت را در زمان‌های از پیش تعیین‌شده پایش کنید. پنهان‌سازی (Blinding): پنهان‌سازی (شرکت‌کنندگان، پزشکان، آمارشناسان) نسبت به درمان تخصیص‌یافته و نتایج موقت را تا زمان تحلیل‌ها حفظ کنید تا از سوگیری جلوگیری شود.

فرمول
Plan pre-specified interim analyses at fixed information levels (e.g., 50% and 100% of target events); implement Response-Adaptive Randomization (RAR) if warranted; enroll participants and randomize according to protocol.
2

در هر تحلیل موقت، پروتکل از پیش تعیین‌شده را دنبال کنید: (۱) پیامد اولیه را با استفاده از تمام داده‌های جمع‌آوری شده تا آن زمان تحلیل کنید. (۲) برآورد اثر (نسبت خطر، تفاوت میانگین‌ها و غیره) را همراه با فاصله اطمینان و مقدار p با استفاده از تعدیل آزمون متوالی محاسبه کنید. (۳) مرزهای توقف را ارزیابی کنید: اگر مرز اثربخشی عبور کرد (شواهد قوی از سودمندی)، توقف زودهنگام را در نظر بگیرید. اگر مرز بی‌اثری عبور کرد (اندازه اثر ناکافی)، توقف به دلیل بی‌اثری را در نظر بگیرید. (۴) اگر ادامه می‌دهید، قوانین تطبیق را اعمال کنید: حجم نمونه مورد نیاز را بر اساس اثر مشاهده‌شده برآورد مجدد کنید؛ اگر کمتر از حد برنامه‌ریزی شده بود، N هدف را کاهش دهید. برعکس، اگر اثر مشاهده‌شده کمتر از حد انتظار بود، N را افزایش دهید. (۵) نسبت تصادفی‌سازی را تنظیم کنید (در صورت استفاده از RAR): احتمال پسین برتری هر بازو را محاسبه کنید؛ شرکت‌کنندگان جدید را با احتمالات متناسب با این احتمالات پسین تصادفی کنید. (۶) بازوها را حذف کنید: اگر بازویی برتری واضحی نشان داد (بی‌اثری)، حذف آن از ثبت نام را در نظر بگیرید، مگر اینکه نگرانی‌های اخلاقی یا اصلاحات پروتکل لازم باشد. (۷) خطای نوع اول را کنترل کنید: از مقادیر p آزمون متوالی (نه مقادیر p استاندارد) و توابع صرفه‌جویی آلفای از پیش تعیین‌شده برای اطمینان از اینکه خطای تجمعی نوع اول ≤ ۰.۰۵ است، استفاده کنید.

فرمول
At each interim: analyze pooled data, compute effect size, assess futility and efficacy; adjust sample size, randomization ratio, or arms as pre-specified; control Type I error via sequential testing or alpha-spending function.
3

نتایج حاصل از کارآزمایی‌های تطبیقی مشابه کارآزمایی‌های تصادفی کنترل‌شده استاندارد تفسیر می‌شوند، اما با شفافیت افزوده: قانون تطبیق مورد استفاده، تحلیل‌های موقت انجام شده، برآوردهای اثر در مراحل موقت و نهایی، و دلایل تطبیقات انجام شده را گزارش دهید. برآورد اثر نهایی معتبر است (تحت آزمون متوالی صحیح) و برای کل جمعیت کارآزمایی اعمال می‌شود. مزایای طراحی تطبیقی: (۱) کارایی - کاهش حجم نمونه در صورت قوی بودن شواهد اولیه، تکمیل سریع‌تر. (۲) اخلاق - حداقل کردن مواجهه شرکت‌کنندگان ثبت‌نام شده در بازوهای ناکارآمد از طریق حذف بازو یا RAR. (۳) انعطاف‌پذیری - طراحی می‌تواند به شواهد نوظهور پاسخ دهد بدون اینکه از قبل به فرضیات ثابت متعهد شود. هشدارها: (۱) طراحی‌های تطبیقی باید از پیش تعیین‌شده و ثبت شده باشند؛ تطبیقات پس از وقوع (post-hoc) مصداق p-hacking هستند. (۲) کنترل خطای نوع اول نیازمند رعایت روش‌های آزمون متوالی است؛ مقادیر p استاندارد در بررسی‌های موقت نامعتبر هستند. (۳) برآوردهای اندازه اثر از کارآزمایی‌های با توقف زودهنگام ممکن است متورم (بیش از حد خوش‌بینانه) باشند. (۴) قابلیت تعمیم ممکن است محدود شود اگر بازوها یا جمعیت‌ها در طول تطبیق تغییر کنند.

فرمول
At final analysis, apply sequential test corrections for multiple looks; interpret effect estimate in context of adaptation decisions; transparency on deviations from pre-specification.

دام‌های رایج

  • تحلیل‌های موقت بدون پنهان‌سازی منجر به سوگیری عملیاتی می‌شود: اگر تیم کارآزمایی در مرحله موقت از تخصیص درمان‌ها مطلع باشد، تصمیمات ممکن است ناخودآگاه تحت تأثیر قرار گیرند. از کمیته‌های نظارت بر داده‌ها (DMC) مستقل استفاده کنید و پنهان‌سازی را نسبت به برچسب‌های بازوی قابل شناسایی حفظ کنید.
  • تطبیقات پس از وقوع (Post-hoc adaptations): اگر قوانین تطبیق از پیش تعیین نشده و قبل از رفع پنهان‌سازی نوشته نشده باشند، این مصداق p-hacking است. اعتبار طراحی تطبیقی به پیش‌مشخص‌سازی بستگی دارد.
  • نادیده گرفتن آزمون‌های چندگانه: انجام بررسی‌های موقت بدون تنظیم آستانه‌های مقدار p، خطای نوع اول را افزایش می‌دهد. همیشه از روش‌های آزمون متوالی (صرفه‌جویی آلفا، طراحی گروه-متوالی) استفاده کنید.
  • تفسیر بیش از حد سیگنال‌های اولیه: برآوردهای نقطه‌ای موقت نویز دارند. فواصل اطمینان گسترده در مرحله موقت باید اعتماد به جهت یا بزرگی اثر را تعدیل کنند. بر اساس برآوردهای ناپایدار، بر تطبیقات تعهد بیش از حد نداشته باشید.
  • از دست دادن قابلیت تعمیم ناشی از حذف بازو: اگر بازویی در اواسط کارآزمایی حذف شود و نتایج نهایی شرکت‌کنندگان آن را شامل نشود، کارآزمایی غیرنماینده می‌شود. مستندسازی دقیق و تحلیل‌های حساسیت مورد نیاز است.

پرسش‌های متداول

توابع صرفه‌جویی آلفا چگونه خطای نوع اول را در کارآزمایی‌های تطبیقی کنترل می‌کنند؟

تابع صرفه‌جویی آلفا منحنی‌ای است که خطای کل نوع اول (α، معمولاً ۰.۰۵) را بین چندین تحلیل موقت و نهایی توزیع می‌کند. در هر بررسی موقت، آلفای تجمعی تخصیص‌یافته تا آن نقطه، آستانه مقدار p برای توقف را تعیین می‌کند. به عنوان مثال، تابع اوبراین-فلمینگ مقدار کمی آلفا را به بررسی‌های موقت اولیه اختصاص می‌دهد (آستانه‌های مقدار p بالا، توقف دشوار) و آلفای بیشتری را به بررسی‌های بعدی و تحلیل نهایی اختصاص می‌دهد. این امر خطای نوع اول را در کل در سطح ۰.۰۵ حفظ می‌کند و در عین حال امکان انجام چندین آزمون آماری را فراهم می‌آورد. اگر شما ۲ تحلیل موقت + ۱ تحلیل نهایی انجام دهید و از صرفه‌جویی اوبراین-فلمینگ استفاده کنید، آستانه‌های مقدار p ممکن است به ترتیب ۰.۰۰۱، ۰.۰۱ و ۰.۰۵ در تحلیل موقت ۱، تحلیل موقت ۲ و تحلیل نهایی باشند که مجموعاً ۰.۰۵ را صرفه‌جویی می‌کنند.

تصادفی‌سازی پاسخ-تطبیقی (RAR) چیست و چه تفاوتی با تصادفی‌سازی ثابت دارد؟

در تصادفی‌سازی ثابت (RCT استاندارد)، همه شرکت‌کنندگان صرف نظر از نتایج موقت، ۱:۱ (یا با نسبت از پیش تعیین‌شده) تصادفی می‌شوند. در RAR، نسبت تصادفی‌سازی بر اساس داده‌های پیامد موقت تنظیم می‌شود. مثال: اگر تحلیل موقت نشان دهد که درمان A دارای نرخ پاسخ ۷۰٪ و درمان B دارای نرخ پاسخ ۵۰٪ است، RAR ممکن است شرکت‌کنندگان جدید را با نسبت ۶۰٪ به A و ۴۰٪ به B تصادفی کند (به نفع بازوی با عملکرد بهتر). دلیل: این روش مواجهه با درمان ضعیف‌تر را به حداقل می‌رساند، که یک مزیت اخلاقی است. چالش: RAR استنتاج را پیچیده می‌کند (نیاز به تعدیل آزمون متوالی دارد) و در صورت عدم مدیریت صحیح می‌تواند برآوردهای اثر را دچار سوگیری کند. RAR زمانی بیشترین کاربرد را دارد که: (۱) پیامدها به سرعت مشاهده شوند (نه با تأخیر)، (۲) هدف به حداکثر رساندن سود فردی باشد (نه فقط به حداقل رساندن حجم نمونه)، (۳) نگرانی‌های اخلاقی در مورد مواجهه با بازوهای ضعیف‌تر بالا باشد.

چه زمانی باید یک کارآزمایی تطبیقی را به دلیل اثربخشی یا بی‌اثری زودتر متوقف کنم؟

مرزهای توقف اثربخشی و بی‌اثری را قبل از شروع کارآزمایی در برنامه تحلیل آماری از پیش تعیین کنید. توقف اثربخشی: در صورتی که داده‌های موقت مقدار p (تعدیل شده برای آزمون متوالی) را نشان دهند که از مرز اثربخشی عبور کرده است - شواهد قوی از برتری - متوقف شوید. مثال: اگر مرز اوبراین-فلمینگ در اولین تحلیل موقت عبور کرد، متوقف شده و اثربخشی را اعلام کنید. توقف بی‌اثری: در صورتی که داده‌های موقت نشان دهند اندازه اثر آنقدر کوچک است که حتی با ثبت نام تمام شرکت‌کنندگان باقی‌مانده برنامه‌ریزی شده، بعید است به معناداری آماری برسید، متوقف شوید. بی‌اثری از طریق توان شرطی (conditional power) ارزیابی می‌شود: «با توجه به اثر مشاهده‌شده تاکنون، احتمال رسیدن به معناداری تا تحلیل نهایی چقدر است؟» اگر توان شرطی کمتر از ۲۰٪ باشد، توقف به دلیل بی‌اثری را در نظر بگیرید. همیشه برای تصمیم‌گیری توقف، بازبینی توسط کمیته نظارت بر داده‌ها (DMC) مستقل را الزامی بدانید تا از سوگیری جلوگیری شود.

چرا ممکن است اندازه‌های اثر از کارآزمایی‌های تطبیقی با توقف زودهنگام متورم باشند؟

اگر مرز اثربخشی در یک بررسی موقت عبور کند و ثبت نام زودتر متوقف شود، اندازه اثر مشاهده‌شده در آن نقطه به دلیل تغییرات تصادفی احتمالاً متورم شده است. تصور کنید سکه را پرتاب می‌کنید: به طور متوسط، انتظار دارید ۵۰ شیر در ۱۰۰ پرتاب داشته باشید. اما اگر زمانی که به ۷۰ شیر رسیدید (یک اتفاق نادر) متوقف شوید و تعداد پرتاب‌ها را بشمارید، نسبت سوگیری‌شده‌ای را مشاهده خواهید کرد (۷۰/۱۰۰ = ۷۰٪). به طور مشابه، در کارآزمایی‌ها، اگر زمانی که برآورد اثر موقت از یک آستانه بالا عبور کرد، متوقف شوید، آن برآورد به سمت بالا سوگیری دارد. برای تصمیم‌گیری بالینی، برآوردهای موقت را تعدیل کنید (با استفاده از روش‌هایی مانند تحلیل تابع مقدار p یا محاسبات توان شرطی). مقدار p آزمون متوالی همچنان خطای نوع اول را کنترل می‌کند، اما برآورد نقطه‌ای خوش‌بینانه است.

روش‌های مرتبط

منابع

  1. Pocock, S. J. (2005). Current issues in the design and interpretation of clinical trials. BMJ, 330(7500), 1118–1121.

    باز کردن مرجع انتشار
    کپی شد.
  2. Pallmann, P., Bedding, A. W., Choodari-Oskooei, B., Dimairo, M., Flight, L., Hampson, L. V., ... & Wason, J. (2018). Adaptive designs in clinical trials: why use them, and how to run and report them. BMC Medicine, 16(1), 29.

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

    باز کردن مرجع انتشار
    کپی شد.