Skip to content
検索結果に戻る

適応的試験デザイン

提唱者
Stephen Pocock, Christopher Jennison, and statistical methodologists; FDA formalized guidance 2019
年
1990s-2000s
種類
Research Design
系統
trial design

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

適応的試験デザインでは、中間データに基づき、サンプルサイズ再推定、無益性または有効性による中止、無効なアームの除外、またはより良好な成績の治療法への無作為化比率の移行など、事前に規定された変更を試験に加えることが可能です。1990年代から2000年代にかけて、ポロックやジェニソンといった統計学者によって体系的に開発され、2019年にFDAによって正式化された適応的デザインは、薬剤開発を加速し、無効な治療への曝露を減らし、適切に実施されれば偽陽性率を増加させることなく効率を向上させます。

手法の背後にある直感

従来の固定デザイン試験は、厳格な計画に従います。すなわち、N人の参加者を登録し、1:1で治療群または対照群に無作為化し、最後に一度だけ解析します。適応的デザインは、試験の途中で進捗を確認します。「有益性の明確なシグナルが見えているか?どちらかのアームは明らかに劣っているか?」という具合です。出現したデータが有益性を示唆する場合、より多くの参加者を登録して証拠を強化します。一方のアームが明らかに無効である場合、そのアームへの登録を中止し、リソースを移行します。反応適応的無作為化(RAR)は、無作為化比率を動的に変更します。ある治療法がより良好な結果を示すにつれて、新しい参加者はその治療法に無作為化される可能性が高くなり、科学的厳密性を維持しながら劣ったアームへの曝露を減らします。重要なのは事前規定です。すべての適応ルールはデータロック前に記述され、第一種の過誤(偽陽性率)は逐次検定法によって制御されなければなりません。

歴史学

適応的試験デザインは、統計学者が逐次検定理論とアルファ支出関数を開発した1990年代に出現しました(Jennison & Turnbull 2000)。ポロックの基礎的な論文は、中間解析と適応的デザインの方法論を形式化しました。反応適応的無作為化(RAR)は、ベイズ法が成熟した2000年代に開発されました。FDAは2019年に適応的デザインに関する正式なガイダンスを発行し、製薬開発における採用を加速させました。画期的な例としては、最適な用量と有効性を特定するために適応的デザインを採用した腫瘍試験が含まれます。COVID-19パンデミックは、迅速な証拠の必要性から、適応的試験の採用を触媒しました(例:SOLIDARITY試験、RECOVERY試験)。

使うべき場面

適応的デザインを使用すべき場合:(1) 有効性/無益性の早期シグナルが期待される場合(例:6ヶ月以内に有効性が現れる可能性がある)、(2) サンプルサイズが不確かで、中間データによって精緻化できる場合、(3) 複数の治療アームがテストされ、一部が明らかに劣っている可能性がある場合、(4) 倫理的に無効な治療への曝露を最小限に抑える必要がある場合、(5) 開発タイムラインが重要である場合(例:希少疾患薬、腫瘍学)、(6) リソースが限られている場合(適応的デザインはサンプルサイズまたは期間を削減します)、(7) 事前知識が不確かな場合(中間データが効果量、脱落率などに関する仮定を精緻化します)、(8) シームレスな第II/III相統合が望ましい場合(用量設定と有効性試験を組み合わせる)。

限界と注意点

  • 複雑性:適応的デザインには、高度な統計計画、中間解析インフラストラクチャ、および慎重な実行が必要です。盲検化とデータ管理が困難になります。
  • 第一種の過誤の増加(誤った場合):事後的な適応や逐次検定法の無視は、偽陽性を増加させます。厳格な事前規定は交渉の余地がありません。
  • 早期中止による効果量の増加:有効性中止境界が越えられた場合、その時点での観察された効果量は、ランダムな変動により誇張されている可能性が高いです。最終的な試験効果は、中間推定値よりも小さい可能性があります。
  • 適応間の比較可能性:アームが除外されたり、無作為化比率がシフトしたりした場合、新しい参加者と元の参加者の比較可能性が損なわれる可能性があります。サブグループ解析が必要です。
  • 規制および運用のオーバーヘッド:適応的デザインには、事前登録、詳細な統計計画、中間解析の専門知識、および規制当局とのコミュニケーションが必要です。すべての設定がこれをサポートできるわけではありません。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 効率性:中間証拠が決定的な場合、サンプルサイズが減少し、試験期間が短縮され、時間とコストが節約されます。
  • 倫理:反応適応的無作為化は劣ったアームへの曝露を最小限に抑えます。無益性中止は、有効性が期待できない場合に長期的な登録を防ぎます。
  • 柔軟性:事前に規定されていれば、統計的厳密性を損なうことなく、出現した不確実性に対処するための適応が可能です。
  • 情報駆動型:中間データは、リソース配分とアーム選択に情報を提供し、試験デザインを動的に改善します。
  • 規制当局の受容:FDAおよびEMAは、適切に事前に規定され、第一種の過誤が制御されている適応的デザインを受け入れます。現代の薬剤開発ではますます標準的になっています。

応用

  • 用量設定とシームレスな第II/III相:複数の用量で初期参加者を登録し、中間解析で最適な用量を特定し、その後、その用量とプラセボ対照を用いた有効性試験にシームレスに移行します。
  • 腫瘍試験:適応的デザインにより、優れた有効性または無益性による早期中止が可能になります。反応適応的無作為化は、より多くの患者を有益なレジメンに誘導します。
  • 希少疾患薬開発:集団が小さいため固定デザインでは検出力が不足します。適応的デザインは、出現した効果量に基づいてサンプルサイズを再推定し、実現可能性を向上させます。
  • 感染症アウトブレイク対応:流行時には、適応的デザインにより、無効なアームを除外し、最も成績の良い治療法に移行することで、有効な治療法の特定を加速します。
  • 行動療法およびメンタルヘルス介入:複数の介入アームがテストされます。適応的デザインは、無効なバリアントを早期に除外し、有望なものにリソースを再配分します。

使い方

使い方

1

デザイン段階:主要評価項目、中間解析時点(例:目標イベント数または登録参加者の50%および100%時点)、中止基準(有効性閾値、無益性境界)、および適応ルール(サンプルサイズ再推定、アーム除外、無作為化比率変更)を含む試験プロトコルを規定します。アルファ支出関数(例:オブライエン・フレミング法)を使用して、中間解析と最終解析の間で第一種の過誤を配分し、累積第一種の過誤が0.05にとどまるようにします。該当する場合は、反応適応的無作為化(RAR)を実装します。無作為化確率が中間結果データに基づいてシフトします(例:治療Aがより高い奏効率を示した場合、新しい参加者はAに無作為化される確率が高くなります)。適応アルゴリズムに従って参加者を登録し、無作為化します。事前に規定された時点で中間データを監視します。盲検化:バイアスを避けるため、解析まで、割り付けられた治療法と中間結果に対する盲検化(参加者、臨床医、統計学者)を維持します。

数式
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

各中間解析において、事前に規定されたプロトコルに従います。(1) これまでに収集された全データを用いて主要評価項目を解析します。(2) 効果推定値(ハザード比、平均値の差など)を、信頼区間およびp値とともに、逐次検定調整を用いて算出します。(3) 中止境界を評価します。有効性境界を超えた場合(有益性の強い証拠)、早期中止を検討します。無益性境界を超えた場合(効果量が不十分)、無益性による中止を検討します。(4) 継続する場合、適応ルールを適用します。観察された効果に基づいて必要なサンプルサイズを再推定します。計画よりも小さい場合は、目標Nを減らします。逆に、観察された効果が予想よりも小さい場合は、Nを増やします。(5) 無作為化比率を調整します(RARの場合)。各アームの優越性の事後確率を計算し、新しい参加者をこれらの事後確率に比例する確率で無作為化します。(6) アームを除外します。アームが明らかに劣っている(無益性)場合、倫理的な懸念やプロトコル改訂が必要でない限り、登録から除外することを検討します。(7) 第一種の過誤を制御します。累積第一種の過誤が0.05以下であることを保証するために、逐次検定p値(標準p値ではない)および事前に規定されたアルファ支出関数を使用します。

数式
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

適応的試験からの結果は、標準的なRCTと同様に解釈されますが、透明性が増します。使用された適応ルール、実施された中間解析、中間および最終の効果推定値、および行われた適応の根拠を報告します。最終的な効果推定値は有効であり(適切な逐次検定の下で)、試験集団全体に適用されます。適応的デザインの利点:(1) 効率性—早期に強い証拠が得られた場合、サンプルサイズが減少し、完了が早まります。(2) 倫理—無効なアームに登録された参加者は、アーム除外またはRARにより最小限に抑えられます。(3) 柔軟性—事前に固定された仮定にコミットすることなく、出現した証拠に対応できます。注意点:(1) 適応的デザインは事前に規定され、登録される必要があります。事後的な適応はp-ハッキングです。(2) 第一種の過誤制御には、逐次検定法への準拠が必要です。中間解析での標準p値は無効です。(3) 早期中止試験からの効果量推定値は、誇張されている(過度に楽観的)可能性があります。(4) アームまたは集団が適応中にシフトした場合、一般化可能性が制限される可能性があります。

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

よくある落とし穴

  • 中間解析の盲検化解除による運用上のバイアス:試験チームが中間解析時に治療割り当てを知っている場合、意思決定が無意識のうちに偏る可能性があります。独立したデータモニタリング委員会(DMC)を使用し、識別可能なアームラベルへの盲検化を維持します。
  • 事後的な適応:適応ルールが事前に規定され、盲検化解除前に記述されていない場合、それはp-ハッキングです。適応的デザインの妥当性は、事前規定にかかっています。
  • 多重検定の無視:p値の閾値を調整せずに中間解析を実施すると、第一種の過誤が増加します。常に逐次検定法(アルファ支出、グループ逐次デザイン)を使用してください。
  • 早期シグナルの過剰解釈:中間時点の点推定値はノイズが多いです。中間時点での広い信頼区間は、効果の方向性や大きさに対する確信を抑えるべきです。不安定な推定値に基づく適応に過度にコミットしないでください。
  • アーム除外による一般化可能性の喪失:試験途中でアームが除外され、最終結果にその参加者が含まれない場合、試験は代表性を失います。慎重な文書化と感度分析が必要です。

よくある質問

適応的試験において、アルファ支出関数はどのように第一種の過誤を制御しますか?

アルファ支出関数とは、複数の П中間解析と最終解析にわたって、第一種の過誤(α、通常は0.05)を配分する曲線です。各 П中間解析において、その時点までに累積されたアルファが、中止のためのp値閾値を決定します。例えば、オブライエン・フレミング関数は、早期の П中間解析には非常に少ないアルファを配分し(高いp値閾値、早期中止が困難)、後の П中間解析と最終解析にはより多くのアルファを配分します。これにより、全体として第一種の過誤が0.05に保たれ、複数の統計的検定が可能になります。もし2回の П中間解析と1回の最終解析を実施し、オブライエン・フレミング支出を使用する場合、p値閾値は、 П中間解析1、 П中間解析2、最終解析でそれぞれ0.001、0.01、0.05となり、累積で0.05を支出します。

反応適応的無作為化(RAR)とは何ですか?固定無作為化とどう異なりますか?

固定無作為化(標準RCT)では、中間結果に関係なく、すべての参加者は1:1(または事前に規定された比率)で無作為化されます。RARでは、無作為化比率が中間結果データに基づいて調整されます。例:中間解析で治療Aが70%の奏効率を示し、治療Bが50%を示した場合、RARでは新しい参加者を60%をAに、40%をBに無作為化するかもしれません(成績の良いアームを優先します)。根拠:劣った治療への曝露を最小限に抑える、倫理的な利点です。課題:RARは推論を複雑にし(逐次検定調整が必要)、注意深く扱わないと効果推定値を偏らせる可能性があります。RARは、(1) 結果が迅速に観察される(遅延しない)、(2) 個々の利益を最大化することが目標である(単にサンプルサイズを最小化するだけでなく)、(3) 劣ったアームへの曝露に関する倫理的な懸念が高い場合に最も有用です。

いつ適応的試験を有効性で早期中止すべきで、いつ無益性で中止すべきですか?

試験開始前に、統計解析計画で有効性および無益性中止境界を事前に規定します。有効性中止:中間データがp値(逐次検定で調整済み)で有効性境界を越えた場合、中止し有効性を宣言します。例:最初の П中間解析でオブライエン・フレミング境界を越えた場合、中止して有効性を宣言します。無益性中止:中間データで効果量が非常に小さく、残りの計画された全参加者を登録しても統計的有意性に到達する可能性が低い場合、中止します。無益性は条件付き検出力によって評価されます。「これまでに観察された効果を考慮すると、最終解析までに有意性に到達する確率は?」条件付き検出力が20%未満の場合、無益性中止を検討します。バイアスを避けるため、中止決定の前に必ず独立したデータモニタリング委員会(DMC)のレビューを要求します。

早期中止適応的試験の効果量が誇張されることがあるのはなぜですか?

有効性境界が П中間解析で越えられ、登録が早期に中止された場合、その時点での観察された効果量は、ランダムな変動により誇張されている可能性が高いです。コイン投げを想像してください。平均的には100回のフリップで50回の表を期待します。しかし、70回の表に達した時点で(まれな出来事)中止し、フリップ数を数えると、偏った比率(70/100 = 70%)を観察することになります。同様に、試験では、中間効果推定値が高い閾値を越えたときに中止すると、その推定値は上方バイアスがかかります。臨床的意思決定のため、中間推定値を下方修正します(p値関数解析や条件付き検出力計算などの方法を使用)。逐次検定p値は第一種の過誤を制御しますが、点推定値は楽観的です。

関連する手法

参考文献

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

    出版物の文献を開く
    コピーしました。
  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.

    DOI 文献を開く
    コピーしました。
  3. FDA (2019). Adaptive Designs for Clinical Trials of Drugs and Biologics: Guidance for Industry. US Food and Drug Administration.

    出版物の文献を開く
    コピーしました。