Skip to content
Назад к результатам поиска

Адаптивное рандомизированное клиническое исследование

Автор метода
Donald Berry and colleagues; formalized by FDA guidance in 2010 and 2019
Год
Late 1990s–2000s (widespread adoption post-2010)
Тип
Experimental clinical trial design
Семейство
Clinical / epidemiology

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Адаптивное рандомизированное клиническое исследование (адаптивное РКИ) — это проспективное экспериментальное исследование, в котором используются заранее определенные правила для изменения одного или нескольких аспектов исследования — таких как размер выборки, соотношение распределения или группы лечения — на основе накапливающихся данных, собранных в ходе самого исследования, при сохранении статистической достоверности и целостности исследования.

Интуиция метода

В стандартном РКИ протокол фиксируется до включения первого пациента и не изменяется, независимо от того, что показывают получаемые данные. Адаптивное РКИ вместо этого предусматривает контрольные точки принятия решений: по мере накопления промежуточных данных заранее спланированные правила позволяют исследованию реагировать — исключать группу с плохими показателями, распределять больше пациентов в перспективную группу лечения или досрочно прекращать исследование при наличии убедительных доказательств. Такая гибкость может сократить число пациентов, подвергающихся воздействию менее эффективных методов лечения, и ускорить сроки разработки, но требует чрезвычайно тщательного предварительного планирования для предотвращения увеличения частоты ложноположительных результатов.

История

Концептуальные основы адаптивного дизайна исследований опираются на работу по последовательному анализу Абрахама Вальда в 1940-х годах и предложения по рандомизации «играй-победителя» в 1970-х годах. Влиятельные байесовские методы адаптивного дизайна Дональда Берри в конце 1990-х и 2000-х годах, а также знаковые исследования, такие как исследование рака молочной железы I-SPY 2, начатое в 2010 году, вывели адаптивные дизайны в основное русло клинических исследований. FDA выпустило проект руководства в 2010 году и пересмотренное окончательное руководство в 2019 году, официально одобряющее хорошо разработанные адаптивные исследования для регуляторных представлений, укрепляя их легитимность в разработке лекарств и биологических препаратов.

Когда применять

Используйте адаптивное РКИ, когда необходимо ответить на подтверждающий вопрос об эффективности, сохраняя при этом гибкость реагирования на накапливающиеся данные — например, когда оценки размера эффекта неопределенны на этапе проектирования, когда необходимо выбрать несколько доз или групп, или когда этические или экономические аргументы в пользу минимизации воздействия на пациентов менее эффективных методов лечения. Это особенно ценно в онкологии, редких заболеваниях и разработке лекарств, где стандартные размеры выборки труднодостижимы. Не используйте его, когда адаптивные правила не могут быть надежно предварительно определены, когда отсутствует инфраструктура для независимого промежуточного мониторинга, когда исходы очень отсрочены по сравнению со скоростью набора (что делает адаптацию в реальном времени непрактичной) или когда дополнительная операционная и статистическая сложность не оправдана научным вопросом.

Ограничения и замечания

  • Требует обширного предварительного статистического планирования и моделирования; ошибки в дизайне, допущенные до начала исследования, не могут быть исправлены в середине процесса.
  • Операционная сложность значительно выше, чем у стандартного РКИ — производство, цепочка поставок и инфраструктура DSMB должны учитывать адаптивные решения.
  • Когда измерение исходов происходит медленно по сравнению со скоростью набора пациентов, промежуточные данные могут быть слишком разреженными для проведения значимых адаптаций.
  • Регуляторный надзор является интенсивным; агентства требуют подробного обоснования каждого заранее определенного правила адаптации и доказательств моделирования.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Может сократить общее количество необходимых пациентов за счет досрочного прекращения исследования по причине эффективности или исключения бесперспективных групп.
  • Распределяет больше пациентов в группы с лучшими показателями, улучшая этический профиль исследования.
  • Позволяет использовать бесшовные дизайны фазы II/III, сокращая общие сроки разработки лекарств.
  • Предварительно определенные правила адаптации обеспечивают сохранение статистической строгости, несмотря на гибкость дизайна.
  • Особенно эффективен для редких заболеваний и онкологии, где дизайны с фиксированным размером выборки часто невыполнимы.

Применение

  • Бесшовные онкологические исследования фазы II/III, которые выбирают оптимальную дозу на промежуточном этапе, а затем переходят к подтверждающему тестированию без перерыва.
  • Исследования вспышек инфекционных заболеваний, требующие быстрого определения дозы и подтверждения эффективности в условиях нехватки времени (например, платформенные исследования COVID-19, такие как RECOVERY и ACTT).
  • Исследования редких заболеваний, где фиксированные целевые показатели набора невыполнимы, а досрочное прекращение по причине эффективности является этическим императивом.
  • Многогрупповые многостадийные (MAMS) дизайны в кардиологии, сравнивающие несколько вмешательств одновременно с заранее спланированным исключением групп.
  • Исследования по эскалации и оптимизации доз на ранних фазах онкологии с использованием адаптивных правил на основе моделей, таких как CRM (Continual Reassessment Method).
  • Разработка педиатрических лекарств, где минимизация воздействия на пациентов менее эффективных доз является регуляторным и этическим приоритетом.

Как это работает

Как это работает

1

До начала набора пациентов статистики и клиницисты определяют все адаптации в протоколе: какие параметры могут изменяться (соотношение распределения, размер выборки, количество групп, уровни доз), какие промежуточные анализы инициируют эти изменения и как будут реализованы правила принятия решений. Предварительное определение является обязательным — постфактумные адаптации делают исследование недействительным.

2

Пациенты включаются и случайным образом распределяются по группам лечения с использованием первоначального соотношения распределения. Рандомизация может быть изначально фиксированной, а затем модифицироваться адаптивными правилами (рандомизация с адаптацией к ответу), или дизайн может использовать стратифицированную или байесовскую адаптивную рандомизацию с самого начала.

3

Независимый комитет по мониторингу данных и безопасности (DSMB) проводит промежуточные анализы в заранее определенные моменты времени или после определенного числа событий исхода. DSMB проверяет не ослепленные накапливающиеся данные на соответствие заранее определенным границам прекращения или адаптации для защиты целостности исследования.

4

На основе результатов промежуточного анализа и заранее определенных правил применяются одна или несколько адаптаций: исключение менее эффективных групп (адаптивный бесшовный дизайн), увеличение размера выборки, если ранние оценки эффекта меньше ожидаемых (переоценка размера выборки), смещение распределения в сторону более эффективных методов лечения или досрочное прекращение исследования по причине эффективности или бесперспективности.

5

Финальный анализ использует методы, учитывающие адаптивный характер дизайна — как правило, комбинацию альфа-распределительных функций, расчетов условной мощности или байесовских апостериорных вероятностей — для получения достоверных, заранее определенных оценок первичной конечной точки и доверительных интервалов или правдоподобных интервалов.

Частые ошибки

  • Незапланированные или постфактумные адаптации — любое изменение, не указанное предварительно в протоколе, разрушает статистическую достоверность исследования и не будет принято регуляторами.
  • Игнорирование операционной задержки — если большинство пациентов уже включены к моменту, когда промежуточные данные становятся анализируемыми, адаптации не приносят практической пользы.
  • Смещение рандомизации с адаптацией к ответу — распределение большего числа пациентов в явных «победителей» в середине исследования может привести к конфаундингу временных трендов, если характеристики пациентов или стандартное лечение меняются во время набора.
  • Множественность — добавление точек принятия решений об адаптации без строгого контроля альфа-распределения или байесовских методов увеличивает семейную ошибку I рода сверх допустимых пределов.

Часто задаваемые вопросы

Считается ли адаптивное РКИ все еще рандомизированным и контролируемым?

Да. Рандомизация сохраняется на протяжении всего адаптивного РКИ; адаптация изменяет такие параметры, как соотношение распределения или размер выборки, но не устраняет рандомизацию или контроль. Исследование остается экспериментальным и продолжает поддерживать причинно-следственные выводы при условии, что адаптивные правила были полностью предварительно определены.

Чем адаптивное РКИ отличается от стандартного РКИ с промежуточным анализом?

Стандартное РКИ с промежуточным анализом использует промежуточный анализ только для рассмотрения вопроса о досрочном прекращении исследования по соображениям безопасности или неопровержимой эффективности — основные параметры исследования остаются неизменными. Адаптивное РКИ идет дальше: заранее определенные правила могут активно изменять соотношение распределения, исключать группы, изменять размер выборки или реструктурировать дизайн в ответ на промежуточные результаты.

Принимает ли FDA результаты адаптивных РКИ для одобрения лекарств?

Да, при условии, что адаптивный дизайн был предварительно определен, статистические методы должным образом контролируют ошибку I рода, и спонсор заблаговременно связался с FDA (в идеале через встречу типа C), чтобы согласовать дизайн. Руководство FDA 2019 года по адаптивным дизайнам содержит подробные критерии как для хорошо изученных, так и для новых адаптивных дизайнов.

Какое программное обеспечение используется для проектирования и моделирования адаптивных РКИ?

Общие инструменты включают EAST (Cytel), ADDPLAN и пользовательские пакеты R, такие как rpact, adaptDesign и RMediation. Байесовские адаптивные дизайны часто используют BUGS, Stan или проприетарные байесовские платформы для моделирования. Для проверки операционных характеристик в различных правдоподобных сценариях требуется обширное предварительное моделирование.

Может ли рандомизация с адаптацией к ответу привести к смещению?

Да, если набор пациентов длительный, а популяции пациентов или фоновое лечение меняются со временем, прогрессирующее смещение распределения в сторону одной группы может создать дисбаланс во временных конфаундерах. Для снижения этого риска используются стратификация, рандомизация с адаптацией к ковариатам и тщательное определение сроков адаптаций.

Похожие методы

Источники

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

    Открыть ссылку DOI
    Скопировано.
  2. U.S. Food and Drug Administration. (2019). Adaptive Designs for Clinical Trials of Drugs and Biologics: Guidance for Industry. FDA.

    Открыть ссылку на публикацию
    Скопировано.