Skip to content
Назад к результатам поиска

Адаптивный анализ выживаемости — Адаптивное планирование испытаний по оценке времени до наступления события

Автор метода
Bauer, Posch, and collaborators (adaptive design framework); Lachin & Foulkes (event-driven survival trial foundations)
Год
2000s (formalized ~2000–2006)
Тип
Adaptive statistical design for time-to-event outcomes
Семейство
Clinical / epidemiology

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

Размер шрифта

Что он делает?

Адаптивный анализ выживаемости интегрирует адаптивное планирование клинических испытаний с методами статистического анализа времени до наступления события, позволяя вносить заранее определенные модификации размера выборки, целевых показателей числа событий или соотношений распределения на промежуточных этапах на основе накапливаемых данных о выживаемости.

Этот метод широко используется в онкологии, кардиологии и исследованиях инфекционных заболеваний, где первичной конечной точкой является исход, основанный на риске (hazard-based outcome), такой как выживаемость без прогрессирования или смертность от всех причин.

Интуиция метода

Представьте себе проведение испытания по лечению рака, в котором вы изначально планировали зафиксировать 300 смертей до проведения окончательного анализа. На полпути накапливающиеся данные показывают, что пациенты живут дольше, чем ожидалось, — это означает, что вам потребуется гораздо больше времени наблюдения, чтобы достичь 300 событий. Адаптивный анализ выживаемости позволяет анализировать промежуточные данные и формально увеличивать целевое число событий (или переоценивать продолжительность наблюдения) без увеличения ошибки I рода. Ключевая идея заключается в том, что правила адаптации заранее определяются до раскрытия данных (unblinding), чтобы общая структура принятия решений оставалась статистически обоснованной, даже если дизайн испытания изменился в середине процесса.

История

Анализ выживаемости как формальная дисциплина берет начало от работ Каплана и Майера (1958) и Кокса (1972). Методология адаптивного дизайна для клинических испытаний развивалась в 1990-х годах благодаря работам Бауэра и Кёне (1994), которые ввели комбинированные тесты для многоэтапных дизайнов, и была расширена на событийные конечные точки выживаемости Бауэром и Пошем (2004) и другими. Руководство FDA по адаптивным дизайнам 2019 года и руководство ICH E20 (в разработке) с тех пор установили регуляторные стандарты. Адаптивный анализ выживаемости в настоящее время является стандартом в ключевых онкологических испытаниях и все чаще применяется в исследованиях сердечно-сосудистых заболеваний и инфекционных болезней.

Когда применять

Используйте адаптивный анализ выживаемости, когда первичной конечной точкой является время до наступления события, доступ к промежуточным данным операционно осуществим, и существует реальная неопределенность относительно частоты событий, величины эффекта отношения рисков или оптимального распределения. Это особенно ценно в онкологии, при лечении ВИЧ и сердечно-сосудистых заболеваний, где досрочное прекращение испытания по причине эффективности или бесперспективности может избавить пациентов от неэффективного лечения и ускорить принятие регуляторных решений. НЕ используйте его, когда правила адаптации не могут быть заранее определены до раскрытия промежуточных данных (пост-хок адаптации делают контроль ошибки I рода недействительным), когда исследование является наблюдательным без перспективного плана анализа, когда размеры выборки настолько малы, что промежуточные оценки слишком нестабильны для надежной адаптации, или когда регуляторные рекомендации для данного показания не поощряют изменения дизайна в середине испытания.

Ограничения и замечания

  • Требует обширного предварительного планирования; правила адаптации должны быть полностью заранее определены в протоколе и плане статистического анализа до получения доступа к каким-либо промежуточным данным.
  • Операционная сложность высока: необходимы слепые статистики, запечатанные правила адаптации и независимые комитеты по мониторингу данных в качестве мер безопасности.
  • p-значения комбинированных тестов и адаптивные доверительные интервалы менее интуитивно понятны клиницистам и регуляторам, чем стандартные выходные данные лог-рангового теста.
  • Досрочное прекращение испытания по причине эффективности может привести к неточным оценкам отношения рисков; окончательный доверительный интервал может быть широким, несмотря на значимое p-значение.
  • Принятие регуляторными органами варьируется в зависимости от агентства и показания; при разработке протокола необходимо руководствоваться рекомендациями ICH E8(R1) и FDA по адаптивным дизайнам.

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

Сильные стороны

  • Сохраняет общий контроль ошибки I рода, позволяя вносить модификации в середине испытания, при условии, что правила были заранее определены.
  • Повышает эффективность: испытания могут быть досрочно прекращены при явной эффективности или бесперспективности, избегая ненужного воздействия на пациентов.
  • Переоценка размера выборки корректирует неверные первоначальные предположения о частоте событий или величинах эффекта, сохраняя статистическую мощность.
  • Рандомизация в зависимости от ответа может переводить больше пациентов в лучше работающую группу по мере накопления данных.
  • Особенно ценно в областях редких заболеваний или быстро развивающихся терапевтических областях, где фиксированные дизайны операционно негибки.

Применение

  • Онкологические испытания с использованием выживаемости без прогрессирования или общей выживаемости в качестве первичной конечной точки, с промежуточной переоценкой требуемого числа событий.
  • Испытания исходов сердечно-сосудистых заболеваний, где частота событий в группе контроля неопределенна и требуется переоценка размера выборки на промежуточном этапе.
  • Испытания по ВИЧ и инфекционным заболеваниям с рандомизацией в зависимости от ответа, перераспределяющей пациентов в пользу более эффективного режима.
  • Платформенные испытания, оценивающие несколько экспериментальных групп по сравнению с общей контрольной группой, с использованием промежуточных данных о выживаемости для исключения неэффективных групп.
  • Испытания редких заболеваний, где малые начальные размеры выборки требуют повышения эффективности за счет адаптивных границ остановки.
  • Регуляторные подачи заявок для ускоренных путей одобрения, где промежуточные данные о выживаемости способствуют более раннему принятию решений о подаче заявки.

Как это работает

Как это работает

1

Испытание планируется с одним или несколькими заранее определенными промежуточными анализами, указанными в протоколе. Ключевые параметры включают начальное число событий или долю информации, границы значимости (часто получаемые из функций распределения для групповых последовательных испытаний, таких как O'Brien-Fleming или Lan-DeMets) и явные правила адаптации — например, переоценка требуемого числа событий на основе агрегированных показателей частоты событий (без раскрытия данных) или изменение соотношений рандомизации на основе наблюдаемой условной мощности.

2

На каждом промежуточном анализе независимый комитет по мониторингу данных рассматривает накапливающиеся данные о выживаемости. Кривые выживаемости оцениваются с использованием методологии Каплана-Майера, и вычисляется статистика лог-ранга (или взвешенный вариант). Условная мощность — вероятность отклонения нулевой гипотезы при окончательном анализе при текущих тенденциях — рассчитывается для определения необходимости адаптации.

3

На основе промежуточных результатов и заранее определенных правил адаптации вносятся допустимые модификации. Распространенные адаптации включают переоценку размера выборки для восстановления условной мощности, корректировку целевого числа событий при отклонении наблюдаемой частоты событий от предположений и изменение соотношений рандомизации в зависимости от ответа (response-adaptive randomization), которое отдает предпочтение более эффективному плечу. Все адаптации должны сохранять общую семейную ошибку I рода, обычно посредством комбинированных тестов или корректировки распределения альфа-уровня (alpha-spending adjustments).

4

После всех адаптаций и достижения окончательного числа событий оцениваются функции выживаемости для каждой группы (кривые Каплана-Майера), и проводится основное сравнение лечения с использованием лог-рангового теста или модели пропорциональных рисков Кокса с поправкой на стратификационные переменные. Когда комбинированные тесты использовались на разных этапах, p-значение вычисляется на основе взвешенной комбинации статистик по этапам, а не на основе одного объединенного анализа.

5

Окончательный вывод включает оценку отношения рисков (hazard ratio) с доверительным интервалом, общее p-значение, полученное в результате процедуры адаптивной комбинации, и — если медианное время выживаемости или ограниченное среднее время выживаемости представляет клинический интерес — эти оценки с их неопределенностью. Для сохранения интерпретируемости наряду со стандартными выходными данными сообщается условная вероятность отклонения или адаптивный доверительный интервал. Отчет об анализе документирует все заранее определенные правила адаптации и любые отклонения, а целостность испытания проверяется по первоначальному плану статистического анализа.

Частые ошибки

  • Незапланированные адаптации: модификация дизайна после получения данных о результатах без раскрытия данных (unblinded) без предварительного определения делает контроль ошибки I рода недействительным и приводит к ненадежным результатам.
  • Игнорирование событийной природы исследований выживаемости: адаптация размера выборки по количеству пациентов, а не по количеству событий, может привести к недостаточной мощности испытания, если частота событий ниже ожидаемой.
  • Наивное комбинирование p-значений: использование стандартного p-значения лог-рангового теста на разных этапах адаптации без надлежащего комбинированного теста (например, обратного нормального или комбинированного теста Фишера) приводит к завышенному или недействительному общему тесту.
  • Пренебрежение нестабильностью условной мощности: оценки условной мощности на очень ранних промежуточных этапах (менее 25% информации) очень изменчивы и ненадежны как единственное основание для принятия решений об адаптации.
  • Смешение слепой и неслепой переоценки: слепая переоценка размера выборки на основе общих частот событий сохраняет сокрытие распределения и менее спорна, чем неслепая переоценка, которая требует более строгих мер изоляции.

Часто задаваемые вопросы

Чем адаптивный анализ выживаемости отличается от стандартного группового последовательного дизайна?

Групповые последовательные дизайны допускают только заранее определенное досрочное прекращение испытания по причине эффективности или бесперспективности, сохраняя все остальные параметры дизайна фиксированными. Адаптивный анализ выживаемости шире: он дополнительно допускает модификации в середине испытания целевого числа событий, размера выборки, соотношения рандомизации или даже определения первичной конечной точки, при условии, что правила адаптации были заранее определены и используется действительный комбинированный тест для сохранения контроля ошибки I рода. Групповые последовательные дизайны являются особым, более простым случаем в рамках адаптивной структуры.

Требует ли адаптивный анализ выживаемости рандомизированного испытания?

Механизм адаптивного дизайна — комбинированные тесты, переоценка размера выборки, рандомизация в зависимости от ответа — был разработан для рандомизированных контролируемых испытаний. Применение формальных адаптивных правил к наблюдательным данным о выживаемости нестандартно и, как правило, неуместно, поскольку смещение отбора и конфаундеры подрывают основу для выводов. Для наблюдательных исследований выживаемости более подходящими являются последовательные причинно-следственные методы или проспективные когортные дизайны с предварительно зарегистрированными планами анализа.

Примут ли регуляторы адаптивно спланированное исследование выживаемости?

Да, при условии, что правила адаптации полностью заранее определены в протоколе, план статистического анализа завершен до любого неслепого промежуточного анализа, и заявка включает первоначальный план наряду с документацией всех адаптаций. FDA выпустило руководство по адаптивным дизайнам в 2019 году и поощряет раннее взаимодействие с агентством для ключевых адаптивных испытаний. EMA имеет аналогичные ожидания в рамках своего консультативного документа по адаптивным дизайнам.

Какое программное обеспечение поддерживает адаптивный анализ выживаемости?

Коммерческие пакеты, такие как East (Cytel), ADDPLAN и nQuery, поддерживают адаптивное планирование испытаний выживаемости с опциями групповых последовательных тестов и комбинированных тестов. Пакеты R, включая gsDesign, rpact и adaptTest, предоставляют реализации с открытым исходным кодом. SAS PROC SEQDESIGN обрабатывает групповые последовательные испытания выживаемости. Настоятельно рекомендуется моделирование на этапе проектирования для проверки операционных характеристик в различных правдоподобных сценариях.

Могу ли я использовать стандартное p-значение лог-рангового теста после адаптивной модификации?

Нет. После того как неслепой промежуточный анализ был использован для модификации дизайна, обычная статистика лог-ранга, объединенная по всем пациентам, больше не является действительной, поскольку данные первого и второго этапов больше не распределены одинаково при нулевой гипотезе. Для сохранения номинального уровня ошибки I рода должен применяться комбинированный тест — такой как метод обратного нормального распределения или комбинированный тест Фишера. Сообщение о наивном объединенном p-значении лог-рангового теста в такой ситуации является методологической ошибкой.

Похожие методы

Источники

  1. 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.

    Открыть ссылку на публикацию
    Скопировано.
  2. Mehta, C., Bhatt, M., & Bhattacharya, R. (2009). Adaptive randomization for survival endpoints in oncology trials. Journal of Clinical Oncology, 27(15_suppl), e20750.

    Открыть ссылку на публикацию
    Скопировано.