İçeriğe atla
Arama sonuçlarına dön

Adaptif Sağkalım Analizi — Adaptif Olay-Zamanı Çalışma Tasarımı

Ortaya koyan
Bauer, Posch, and collaborators (adaptive design framework); Lachin & Foulkes (event-driven survival trial foundations)
Yıl
2000s (formalized ~2000–2006)
Tür
Adaptive statistical design for time-to-event outcomes
Aile
Clinical / epidemiology

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Adaptif sağkalım analizi, adaptif klinik çalışma tasarımını olay-zamanı istatistiksel yöntemlerle birleştirir; bu sayede biriken sağkalım verilerine dayanarak örneklem büyüklüğü, olay hedefleri veya tahsis oranlarında ara aşamalarda önceden belirlenmiş değişikliklere izin verir.

Birincil son noktanın progresyonsuz sağkalım veya tüm nedenlere bağlı mortalite gibi tehlikeye dayalı bir sonuç olduğu onkoloji, kardiyovasküler ve enfeksiyon hastalıkları araştırmalarında yaygın olarak kullanılmaktadır.

Yöntemin mantığı

Nihai analizi yapmadan önce 300 ölüm gözlemlemeyi planladığınız bir kanser çalışması yürüttüğünüzü hayal edin. Çalışmanın yarısında, biriken veriler hastaların beklenenden daha uzun yaşadığını gösteriyor; bu da 300 olaya ulaşmak için planlanandan çok daha fazla takip süresine ihtiyacınız olacağı anlamına geliyor. Adaptif sağkalım analizi, Tip I hata oranını artırmadan ara verileri incelemenize ve olay hedefini resmi olarak artırmanıza (veya takip süresini yeniden tahmin etmenize) olanak tanır. Temel anlayış şudur ki, körleme kaldırılmadan önce adaptasyon kurallarını önceden belirlersiniz, böylece çalışma tasarımı yarı yolda değişse bile genel karar çerçevesi istatistiksel olarak geçerli kalır.

Tarih

Resmi bir disiplin olarak sağkalım analizi, Kaplan ve Meier (1958) ile Cox (1972)'e dayanmaktadır. Klinik çalışmalar için adaptif tasarım metodolojisi, çok aşamalı tasarımlar için kombinasyon testlerini tanıtan Bauer ve Kohne (1994) çalışmalarıyla 1990'larda gelişmiş ve Bauer ve Posch (2004) ve diğerleri tarafından olay odaklı sağkalım son noktalarına genişletilmiştir. FDA'nın 2019 adaptif tasarımlar rehberliği ve ICH E20 kılavuzu (geliştirilmekte olan) o zamandan beri düzenleyici standartları belirlemiştir. Adaptif sağkalım analizi artık önemli onkoloji çalışmalarında standarttır ve kardiyovasküler ve enfeksiyon hastalıkları araştırmalarında giderek daha fazla benimsenmektedir.

Ne zaman kullanılır?

Olay-zamanı son noktasının birincil olduğu, ara verilere erişimin operasyonel olarak mümkün olduğu ve olay oranı, tehlike oranı etki büyüklüğü veya optimal tahsis hakkında gerçek bir belirsizliğin bulunduğu durumlarda adaptif sağkalım analizini kullanın. Özellikle onkoloji, HIV ve kardiyovasküler çalışmalarda, etkinlik veya faydasızlık nedeniyle erken durdurmanın hastaları etkisiz tedavilerden koruyabildiği ve düzenleyici kararları hızlandırabildiği durumlarda değerlidir. Adaptasyon kuralları ara körleme kaldırılmadan önce önceden belirlenemediğinde (sonradan yapılan adaptasyonlar Tip I hata kontrolünü geçersiz kılar), çalışma prospektif bir analiz planı olmayan gözlemsel bir çalışma olduğunda, örneklem büyüklükleri o kadar küçük olduğunda ki ara tahminler güvenilir adaptasyonu bilgilendirmek için çok kararsız olduğunda veya endikasyon için düzenleyici rehberlik çalışma ortasında tasarım değişikliklerini engellediğinde KULLANMAYIN.

Sınırlar ve dikkat edilmesi gerekenler

  • Kapsamlı çalışma öncesi planlama gerektirir; adaptasyon kuralları, herhangi bir ara veriye erişilmeden önce protokolde ve istatistiksel analiz planında tamamen önceden belirtilmelidir.
  • Operasyonel karmaşıklık yüksektir: körlenmiş istatistikçiler, mühürlü adaptasyon kuralları ve bağımsız veri izleme komiteleri gerekli güvencelerdir.
  • Kombinasyon testi p-değerleri ve adaptif güven aralıkları, geleneksel log-rank çıktılarından klinisyenler ve düzenleyiciler için daha az sezgiseldir.
  • Etkinlik için erken durdurma, kesin olmayan tehlike oranı tahminleri üretebilir; nihai güven aralığı, anlamlı bir p-değerine rağmen geniş olabilir.
  • Düzenleyici kabul, ajansa ve endikasyona göre değişir; protokol geliştirme sırasında ICH E8(R1) ve FDA adaptif tasarım rehberliğine başvurulmalıdır.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Kurallar önceden belirlenmiş olmak kaydıyla, çalışma ortasında yapılan değişikliklere izin verirken genel Tip I hata kontrolünü sürdürür.
  • Verimliliği artırır: çalışmalar ezici etkinlik veya faydasızlık nedeniyle erken durdurulabilir, gereksiz hasta maruziyetini önler.
  • Örneklem büyüklüğünün yeniden tahmini, olay oranları veya etki büyüklükleri hakkındaki yanlış başlangıç varsayımlarını düzeltir, istatistiksel gücü korur.
  • Yanıt-adaptif randomizasyon, kanıtlar biriktikçe daha fazla hastayı daha iyi performans gösteren kola kaydırabilir.
  • Sabit tasarımların operasyonel olarak esnek olmadığı nadir hastalık veya hızla gelişen tedavi alanlarında özellikle değerlidir.

Uygulama alanları

  • Birincil son nokta olarak progresyonsuz veya genel sağkalımı kullanan, gerekli olay sayılarının ara yeniden tahmini ile onkoloji çalışmaları.
  • Kontrol kolundaki olay oranlarının belirsiz olduğu ve ara aşamada örneklem büyüklüğünün yeniden tahminine ihtiyaç duyulan kardiyovasküler sonuç çalışmaları.
  • HIV ve enfeksiyon hastalıkları çalışmaları, yanıt-adaptif randomizasyon ile tahsisi daha etkili rejime kaydırır.
  • Ortak bir kontrole karşı birden fazla deneysel kolu değerlendiren platform çalışmaları, etkisiz kolları bırakmak için ara sağkalım verilerini kullanır.
  • Küçük başlangıç örneklem büyüklüklerinin adaptif durdurma sınırları aracılığıyla verimlilik kazanımları gerektirdiği nadir hastalık çalışmaları.
  • Ara sağkalım verilerinin daha erken başvuru kararlarını bilgilendirdiği hızlandırılmış onay yolları için düzenleyici başvurular.

Nasıl çalışır?

Nasıl çalışır?

1

Çalışma, protokolde tanımlanmış bir veya daha fazla önceden belirlenmiş ara inceleme ile planlanır. Temel parametreler arasında başlangıçtaki olay sayısı veya bilgi oranı, anlamlılık sınırları (genellikle O'Brien-Fleming veya Lan-DeMets gibi grup-sıralı harcama fonksiyonlarından türetilir) ve açık adaptasyon kuralları bulunur — örneğin, körlenmiş toplam olay oranlarından gerekli olayları yeniden tahmin etmek veya gözlemlenen koşullu güce dayanarak randomizasyon oranlarını değiştirmek.

2

Her ara analizde, bağımsız bir veri izleme komitesi biriken sağkalım verilerini inceler. Sağkalım eğrileri Kaplan-Meier metodolojisi kullanılarak tahmin edilir ve log-rank istatistiği (veya ağırlıklı bir varyantı) hesaplanır. Koşullu güç — mevcut eğilimler göz önüne alındığında nihai analizde sıfır hipotezini reddetme olasılığı — adaptasyonun gerekip gerekmediğini bildirmek için hesaplanır.

3

Ara sonuçlara ve önceden belirlenmiş adaptasyon kurallarına dayanarak, izin verilen değişiklikler uygulanır. Yaygın adaptasyonlar arasında koşullu gücü geri kazanmak için örneklem büyüklüğünün yeniden tahmin edilmesi, gözlemlenen olay oranı varsayımlardan saptığında olay hedefinin ayarlanması ve daha etkili kolu destekleyen yanıta-adaptif randomizasyon kaymaları bulunur. Tüm adaptasyonlar, genellikle kombinasyon testleri veya alfa-harcama ayarlamaları yoluyla, genel ailevi Tip I hata oranını korumalıdır.

4

Tüm adaptasyonlardan sonra ve nihai olay sayısına ulaşıldığında, her grup için sağkalım fonksiyonları tahmin edilir (Kaplan-Meier eğrileri) ve birincil tedavi karşılaştırması log-rank testi veya tabakalama değişkenlerine göre ayarlanmış bir Cox orantılı tehlikeler modeli kullanılarak yapılır. Aşamalar arasında kombinasyon testleri kullanıldığında, p-değeri tek bir birleştirilmiş analizden ziyade aşama bazındaki istatistiklerin ağırlıklı kombinasyonundan hesaplanır.

5

Nihai çıkarım, güven aralığı ile tehlike oranını, adaptif kombinasyon prosedüründen elde edilen genel p-değerini ve — medyan veya kısıtlı ortalama sağkalım süresi klinik açıdan önemliyse — bu tahminleri belirsizlikleriyle birlikte raporlar. Yorumlanabilirliği korumak için standart çıktılarla birlikte koşullu bir ret olasılığı veya adaptif güven aralığı rapor edilir. Analiz raporu, önceden belirlenmiş tüm adaptasyon kurallarını ve herhangi bir sapmayı belgeler ve çalışmanın bütünlüğü orijinal istatistiksel analiz planına göre denetlenir.

Sık yapılan hatalar

  • Planlanmamış adaptasyonlar: körlenmemiş sonuç verilerine erişildikten sonra tasarımı önceden belirtmeden değiştirmek, Tip I hata kontrolünü geçersiz kılar ve sonuçları güvenilmez hale getirir.
  • Sağkalım çalışmalarının olay odaklı doğasını göz ardı etmek: olay oranının beklenenden düşük olması durumunda, örneklem büyüklüğünü olay sayıları yerine kişi sayılarına göre uyarlamak çalışmayı yetersiz güçlü bırakabilir.
  • Naif p-değeri kombinasyonu: adaptif aşamalarda standart bir log-rank p-değeri kullanmak, uygun bir kombinasyon testi (örn. ters-normal veya Fisher kombinasyonu) olmadan şişirilmiş veya geçersiz bir genel test üretir.
  • Koşullu güç kararsızlığını ihmal etmek: çok erken ara incelemelerdeki (bilginin %25'inden azı) koşullu güç tahminleri, adaptasyon kararları için tek temel olarak oldukça değişken ve güvenilmezdir.
  • Körlenmiş ve körlenmemiş yeniden tahmini karıştırmak: genel olay oranlarına dayalı körlenmiş örneklem büyüklüğü yeniden tahmini, tahsis gizliliğini korur ve daha sıkı güvenlik duvarları gerektiren körlenmemiş yeniden tahminden daha az tartışmalıdır.

Sık sorulan sorular

Adaptif sağkalım analizi, standart bir grup-sıralı tasarımdan nasıl farklıdır?

Grup-sıralı tasarımlar, diğer tüm tasarım parametrelerini sabit tutarken yalnızca etkinlik veya faydasızlık için önceden belirlenmiş erken durdurmaya izin verir. Adaptif sağkalım analizi daha geniştir: ayrıca olay hedefi, örneklem büyüklüğü, randomizasyon oranı veya hatta birincil son nokta tanımında çalışma ortasında değişikliklere izin verir, adaptasyon kuralları önceden belirlenmişse ve Tip I hata kontrolünü sürdürmek için geçerli bir kombinasyon testi kullanılıyorsa. Grup-sıralı tasarımlar, adaptif çerçeve içinde özel, daha basit bir durumdur.

Adaptif sağkalım analizi randomize bir çalışma gerektirir mi?

Adaptif tasarım mekanizması — kombinasyon testleri, örneklem büyüklüğü yeniden tahmini, yanıta-adaptif randomizasyon — randomize kontrollü çalışmalar için geliştirilmiştir. Resmi adaptif kuralları gözlemsel sağkalım verilerine uygulamak standart dışıdır ve genellikle uygun değildir, çünkü seçim yanlılığı ve karıştırıcı faktörler çıkarımsal çerçeveyi zayıflatır. Gözlemsel sağkalım çalışmaları için, sıralı nedensel yöntemler veya önceden kaydedilmiş analiz planları olan prospektif kohort tasarımları daha uygundur.

Düzenleyiciler adaptif olarak tasarlanmış bir sağkalım çalışmasını kabul edecek mi?

Evet, adaptasyon kuralları protokolde tamamen önceden belirtilmişse, istatistiksel analiz planı körlenmemiş herhangi bir ara analizden önce kesinleştirilmişse ve başvuru, orijinal planı tüm adaptasyonların belgeleriyle birlikte içeriyorsa. FDA, 2019'da adaptif tasarımlar hakkında rehberlik yayınladı ve önemli adaptif çalışmalar için erken ajans etkileşimini teşvik ediyor. EMA'nın adaptif tasarımlar hakkındaki yansıtma belgesinde benzer beklentileri var.

Hangi yazılım adaptif sağkalım analizini destekler?

East (Cytel), ADDPLAN ve nQuery gibi ticari paketler, grup-sıralı ve kombinasyon testi seçenekleriyle adaptif sağkalım çalışma tasarımını destekler. gsDesign, rpact ve adaptTest dahil R paketleri açık kaynak uygulamalar sağlar. SAS PROC SEQDESIGN, grup-sıralı sağkalım çalışmalarını ele alır. Olası senaryoların bir aralığında çalışma özelliklerini doğrulamak için tasarım aşamasında simülasyon şiddetle tavsiye edilir.

Adaptif bir değişiklikten sonra standart log-rank p-değerini kullanabilir miyim?

Hayır. Körlenmemiş bir ara analiz tasarıyı değiştirmek için kullanıldıktan sonra, tüm hastalar arasında birleştirilmiş geleneksel log-rank istatistiği artık geçerli değildir, çünkü aşama 1 ve aşama 2 verileri sıfır hipotezi altında artık aynı şekilde dağılmamaktadır. Nominal Tip I hata oranını korumak için bir kombinasyon testi — örneğin ters-normal veya Fisher kombinasyon yaklaşımı — uygulanmalıdır. Bu durumda naif bir birleştirilmiş log-rank p-değeri rapor etmek metodolojik bir hatadır.

İlgili yöntemler

Kaynaklar

  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.

    Yayın kaynağını aç
    Kopyalandı.
  2. Mehta, C., Bhatt, M., & Bhattacharya, R. (2009). Adaptive randomization for survival endpoints in oncology trials. Journal of Clinical Oncology, 27(15_suppl), e20750.

    Yayın kaynağını aç
    Kopyalandı.