Analiza przeżycia adaptacyjnego — Projektowanie adaptacyjnych badań czasu do wystąpienia zdarzenia
- Autor metody
- Bauer, Posch, and collaborators (adaptive design framework); Lachin & Foulkes (event-driven survival trial foundations)
- Rok
- 2000s (formalized ~2000–2006)
- Typ
- Adaptive statistical design for time-to-event outcomes
- Rodzina
- Clinical / epidemiology
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Analiza przeżycia adaptacyjnego integruje adaptacyjne projektowanie badań klinicznych z metodami statystycznymi dotyczącymi czasu do wystąpienia zdarzenia, umożliwiając pre-specyfikowane modyfikacje wielkości próby, celów zdarzeń lub stosunków alokacji na etapach przejściowych w oparciu o gromadzone dane dotyczące przeżycia.
Jest szeroko stosowana w badaniach onkologicznych, kardiologicznych i chorób zakaźnych, gdzie głównym punktem końcowym jest wynik oparty na ryzyku (hazard), taki jak przeżycie wolne od progresji lub śmiertelność z wszystkich przyczyn.
Intuicja stojąca za metodą
Wyobraźmy sobie prowadzenie badania nad rakiem, w którym pierwotnie planowano obserwować 300 zgonów przed przeprowadzeniem analizy końcowej. W połowie drogi gromadzone dane sugerują, że pacjenci przeżywają dłużej niż oczekiwano — co oznacza, że potrzeba znacznie więcej czasu obserwacji niż zaplanowano, aby osiągnąć 300 zdarzeń. Analiza przeżycia adaptacyjnego pozwala na analizę danych przejściowych i formalne zwiększenie celu zdarzeń (lub ponowne oszacowanie czasu obserwacji) bez zwiększania błędu pierwszego rodzaju. Kluczowe jest to, że zasady adaptacji są pre-specyfikowane przed odtajnieniem danych, dzięki czemu ogólne ramy decyzyjne pozostają statystycznie poprawne, nawet jeśli projekt badania uległ zmianie w trakcie jego trwania.
Historia
Analiza przeżycia jako formalna dyscyplina wywodzi się od Kaplana i Meiera (1958) oraz Coxa (1972). Metodologia projektowania adaptacyjnego dla badań klinicznych rozwijała się w latach 90. XX wieku dzięki pracy Bauera i Kohne (1994), którzy wprowadzili testy kombinowane dla projektów wieloetapowych, i została rozszerzona na punkty końcowe przeżycia zależne od zdarzeń przez Bauera i Poscha (2004) i innych. Wytyczne FDA z 2019 r. dotyczące projektów adaptacyjnych i wytyczne ICH E20 (w opracowaniu) ustanowiły od tego czasu standardy regulacyjne. Analiza przeżycia adaptacyjnego jest obecnie standardem w kluczowych badaniach onkologicznych i jest coraz częściej stosowana w badaniach kardiologicznych i chorób zakaźnych.
Kiedy stosować
Należy stosować analizę przeżycia adaptacyjnego, gdy głównym punktem końcowym jest czas do wystąpienia zdarzenia, dostęp do danych przejściowych jest wykonalny operacyjnie, a istnieje rzeczywista niepewność co do wskaźnika zdarzeń, wielkości efektu ilorazu hazardu lub optymalnej alokacji. Jest to szczególnie cenne w badaniach onkologicznych, HIV i kardiologicznych, gdzie wczesne zakończenie z powodu skuteczności lub braku skuteczności może uchronić pacjentów przed nieskutecznymi terapiami i przyspieszyć decyzje regulacyjne. NIE należy jej stosować, gdy zasady adaptacji nie mogą być pre-specyfikowane przed odtajnieniem danych przejściowych (adaptacje post-hoc unieważniają kontrolę błędu pierwszego rodzaju), gdy badanie jest obserwacyjne bez prospektywnego planu analizy, gdy wielkości prób są tak małe, że oszacowania przejściowe są zbyt niestabilne, aby informować o wiarygodnej adaptacji, lub gdy wytyczne regulacyjne dla danej wskazania zniechęcają do zmian projektu badania w trakcie jego trwania.
Ograniczenia i uwagi
- Wymaga obszernego planowania przed badaniem; zasady adaptacji muszą być w pełni pre-specyfikowane w protokole i planie analizy statystycznej przed dostępem do jakichkolwiek danych przejściowych.
- Złożoność operacyjna jest wysoka: niezbędne są zabezpieczenia w postaci odtajnionych statystyków, zapieczętowanych zasad adaptacji i niezależnych komitetów ds. monitorowania danych.
- Wartości p z testów kombinowanych i adaptacyjne przedziały ufności są mniej intuicyjne dla klinicystów i regulatorów niż konwencjonalne wyniki log-rank.
- Wczesne zakończenie z powodu skuteczności może prowadzić do niedokładnych oszacowań ilorazu hazardu; ostateczny przedział ufności może być szeroki pomimo istotnej wartości p.
- Akceptacja regulacyjna różni się w zależności od agencji i wskazania; wytyczne ICH E8(R1) i FDA dotyczące projektów adaptacyjnych muszą być konsultowane podczas opracowywania protokołu.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Utrzymuje ogólną kontrolę błędu pierwszego rodzaju, jednocześnie pozwalając na modyfikacje w trakcie badania, pod warunkiem, że zasady są pre-specyfikowane.
- Poprawia efektywność: badania mogą zakończyć się wcześniej z powodu przytłaczającej skuteczności lub braku skuteczności, unikając niepotrzebnej ekspozycji pacjentów.
- Ponowne oszacowanie wielkości próby koryguje błędne początkowe założenia dotyczące wskaźników zdarzeń lub wielkości efektów, zachowując moc statystyczną.
- Randomizacja adaptacyjna w odpowiedzi na reakcję może przesunąć więcej pacjentów do lepiej działającego ramienia w miarę gromadzenia dowodów.
- Szczególnie cenne w obszarach chorób rzadkich lub szybko rozwijających się terapii, gdzie stałe projekty są operacyjnie nieelastyczne.
Zastosowania
- Badania onkologiczne wykorzystujące przeżycie wolne od progresji lub całkowite przeżycie jako główny punkt końcowy, z przejściowym ponownym oszacowaniem wymaganych liczb zdarzeń.
- Badania wyników kardiologicznych, w których niepewne są wskaźniki zdarzeń w ramieniu kontrolnym i potrzebne jest ponowne oszacowanie wielkości próby na etapie przejściowym.
- Badania HIV i chorób zakaźnych z randomizacją adaptacyjną w odpowiedzi na reakcję, przesuwającą alokację w kierunku skuteczniejszego schematu leczenia.
- Badania platformowe oceniające wiele ramion eksperymentalnych w porównaniu ze wspólną kontrolą, wykorzystujące przejściowe dane dotyczące przeżycia do eliminacji nieskutecznych ramion.
- Badania chorób rzadkich, w których małe początkowe wielkości prób wymagają zwiększenia efektywności poprzez adaptacyjne granice zatrzymania.
- Zgłoszenia regulacyjne dla ścieżek przyspieszonego zatwierdzenia, gdzie przejściowe dane dotyczące przeżycia informują o wcześniejszych decyzjach o złożeniu wniosku.
Jak to działa
Jak to działa
Badanie jest planowane z jednym lub kilkoma pre-specyfikowanymi punktami analizy przejściowej zdefiniowanymi w protokole. Kluczowe parametry obejmują początkową liczbę zdarzeń lub ułamek informacji, granice istotności (często pochodzące z funkcji wydatkowania sekwencyjnego grupowego, takich jak O'Brien-Fleming lub Lan-DeMets) oraz jawne zasady adaptacji — na przykład ponowne oszacowanie wymaganych zdarzeń na podstawie zagregowanych wskaźników zdarzeń z odtajnionych danych lub zmianę stosunków randomizacji w oparciu o obserwowaną moc warunkową.
Na każdym etapie analizy przejściowej niezależny komitet ds. monitorowania danych przegląda gromadzone dane dotyczące przeżycia. Krzywe przeżycia są szacowane przy użyciu metodologii Kaplana-Meiera, a statystyka log-rank (lub jej ważona odmiana) jest obliczana. Moc warunkowa — prawdopodobieństwo odrzucenia hipotezy zerowej w analizie końcowej przy obecnych trendach — jest obliczana w celu poinformowania, czy adaptacja jest uzasadniona.
Na podstawie wyników przejściowych i pre-specyfikowanych zasad adaptacji wdrażane są dopuszczalne modyfikacje. Typowe adaptacje obejmują ponowne oszacowanie wielkości próby w celu przywrócenia mocy warunkowej, dostosowanie celu zdarzeń, gdy obserwowany wskaźnik zdarzeń odbiega od założeń, oraz zmiany randomizacji adaptacyjnej w odpowiedzi na reakcję, które faworyzują bardziej skuteczne ramię. Wszystkie adaptacje muszą zachować ogólny błąd pierwszego rodzaju dla całej rodziny testów, zazwyczaj poprzez testy kombinowane lub dostosowania wydatkowania alfa.
Po wszystkich adaptacjach i po osiągnięciu ostatecznej liczby zdarzeń, funkcje przeżycia są szacowane dla każdej grupy (krzywe Kaplana-Meiera), a podstawowe porównanie leczenia jest przeprowadzane przy użyciu testu log-rank lub modelu proporcjonalnego hazardu Coxa, skorygowanego o zmienne stratyfikacyjne. Gdy testy kombinowane były stosowane na różnych etapach, wartość p jest obliczana na podstawie ważonej kombinacji statystyk etapowych, a nie z pojedynczej analizy połączonej.
Ostateczna inferencja raportuje iloraz hazardu (hazard ratio) wraz z przedziałem ufności, ogólną wartością p z adaptacyjnej procedury kombinowanej, a — jeśli czas przeżycia mediany lub ograniczony średni czas przeżycia ma znaczenie kliniczne — te oszacowania wraz z ich niepewnością. Prawdopodobieństwo warunkowego odrzucenia lub adaptacyjny przedział ufności są raportowane obok standardowych wyników w celu zachowania interpretowalności. Raport z analizy dokumentuje wszystkie pre-specyfikowane zasady adaptacji i wszelkie od nich odstępstwa, a integralność badania jest audytowana w odniesieniu do pierwotnego planu analizy statystycznej.
Częste pułapki
- Nieplanowane adaptacje: modyfikacja projektu po dostępie do odtajnionych danych wyników bez pre-specyfikacji unieważnia kontrolę błędu pierwszego rodzaju i czyni wyniki nierzetelnymi.
- Ignorowanie charakteru badań przeżycia zależnego od zdarzeń: dostosowanie wielkości próby w liczbie pacjentów zamiast w liczbie zdarzeń może spowodować niedostateczną moc badania, jeśli wskaźnik zdarzeń jest niższy niż oczekiwano.
- Naiwna kombinacja wartości p: użycie standardowej statystyki log-rank dla wszystkich etapów adaptacyjnych bez odpowiedniego testu kombinowanego (np. kombinacji odwrotno-normalnej lub Fishera) prowadzi do zawyżonego lub nieprawidłowego ogólnego testu.
- Nieuwzględnianie niestabilności mocy warunkowej: oszacowania mocy warunkowej na bardzo wczesnych etapach analizy przejściowej (mniej niż 25% informacji) są bardzo zmienne i nierzetelne jako jedyna podstawa decyzji adaptacyjnych.
- Mylenie odtajnionego i nieodtajnionego ponownego oszacowania: nieodtajnione ponowne oszacowanie wielkości próby na podstawie ogólnych wskaźników zdarzeń zachowuje ukrycie alokacji i jest mniej kontrowersyjne niż odtajnione ponowne oszacowanie, które wymaga ściślejszych zapór.
Najczęściej zadawane pytania
Czym analiza przeżycia adaptacyjnego różni się od standardowego projektu sekwencyjnego grupowego?
Projekty sekwencyjne grupowe pozwalają jedynie na pre-specyfikowane wczesne zakończenie z powodu skuteczności lub braku skuteczności, przy jednoczesnym utrzymaniu wszystkich innych parametrów projektu jako stałych. Analiza przeżycia adaptacyjnego jest szersza: dodatkowo dopuszcza modyfikacje w trakcie badania celu zdarzeń, wielkości próby, stosunku randomizacji, a nawet definicji głównego punktu końcowego, pod warunkiem, że zasady adaptacji były pre-specyfikowane i zastosowano poprawny test kombinowany w celu utrzymania kontroli błędu pierwszego rodzaju. Projekty sekwencyjne grupowe są szczególnym, prostszym przypadkiem w ramach adaptacyjnych.
Czy analiza przeżycia adaptacyjnego wymaga badania randomizowanego?
Mechanizm projektowania adaptacyjnego — testy kombinowane, ponowne oszacowanie wielkości próby, randomizacja adaptacyjna w odpowiedzi na reakcję — został opracowany dla randomizowanych badań kontrolowanych. Stosowanie formalnych zasad adaptacyjnych do danych obserwacyjnych dotyczących przeżycia jest niestandardowe i generalnie nieodpowiednie, ponieważ błąd selekcji i czynniki zakłócające podważają ramy wnioskowania. W przypadku obserwacyjnych badań przeżycia bardziej odpowiednie są sekwencyjne metody przyczynowe lub projekty kohort prospektywnych z zarejestrowanymi planami analizy.
Czy regulatorzy zaakceptują badanie przeżycia zaprojektowane adaptacyjnie?
Tak, pod warunkiem, że zasady adaptacji są w pełni pre-specyfikowane w protokole, plan analizy statystycznej jest sfinalizowany przed jakąkolwiek nieodtajnioną analizą przejściową, a zgłoszenie zawiera pierwotny plan wraz z dokumentacją wszystkich adaptacji. FDA wydała wytyczne dotyczące projektów adaptacyjnych w 2019 r. i zachęca do wczesnej interakcji z agencją w przypadku kluczowych badań adaptacyjnych. EMA ma podobne oczekiwania w ramach swojego dokumentu refleksyjnego na temat projektów adaptacyjnych.
Które oprogramowanie obsługuje analizę przeżycia adaptacyjnego?
Komercyjne pakiety, takie jak East (Cytel), ADDPLAN i nQuery, obsługują projektowanie adaptacyjnych badań przeżycia z opcjami sekwencyjnymi grupowymi i testami kombinowanymi. Pakiety R, w tym gsDesign, rpact i adaptTest, oferują implementacje open-source. SAS PROC SEQDESIGN obsługuje sekwencyjne grupowe badania przeżycia. Symulacja jest silnie zalecana na etapie projektowania w celu weryfikacji charakterystyk operacyjnych w szerokim zakresie prawdopodobnych scenariuszy.
Czy mogę użyć standardowej wartości p log-rank po modyfikacji adaptacyjnej?
Nie. Po tym, jak nieodtajniona analiza przejściowa została wykorzystana do modyfikacji projektu, konwencjonalna statystyka log-rank połączona dla wszystkich pacjentów nie jest już prawidłowa, ponieważ dane z etapu 1 i etapu 2 nie są już identycznie rozłożone zgodnie z hipotezą zerową. Aby zachować nominalny poziom błędu pierwszego rodzaju, należy zastosować test kombinowany — taki jak podejście kombinacji odwrotno-normalnej lub Fishera. Raportowanie naiwnej połączonej wartości p log-rank w tej sytuacji jest błędem metodologicznym.
Pokrewne metody
Źródła
Bauer, P., & Posch, M. (2004). Modification of the sample size and the schedule of interim analyses in survival trials based on data inspections. Statistics in Medicine, 23(8), 1333–1353.
Otwórz odnośnik do publikacjiSkopiowano.Mehta, C., Bhatt, M., & Bhattacharya, R. (2009). Adaptive randomization for survival endpoints in oncology trials. Journal of Clinical Oncology, 27(15_suppl), e20750.
Otwórz odnośnik do publikacjiSkopiowano.