自适应病例对照研究 — 自适应观察性流行病学设计
- 提出者
- Builds on Doll & Hill (1950s) case-control foundations; adaptive elements drawn from sequential analysis (Wald, 1947) and group-sequential methods (Armitage, 1975)
- 年份
- 1950s (base design); adaptive extensions developed from the 1970s–1990s
- 类型
- Adaptive observational epidemiological design
- 类别
- Clinical / epidemiology
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
自适应病例对照研究是一种病例对照设计,它包含预先指定的规则,允许根据中期数据修改研究参数(如样本量、病例对照比或匹配标准),同时不损害研究的有效性。它将适应性方法的高效率与经典病例对照研究的回顾性暴露评估逻辑相结合,使研究人员能够在研究进行过程中对新出现的证据做出反应。
方法背后的直觉
标准病例对照研究在开始时就确定了样本量和匹配规则,然后收集所有数据进行分析。自适应病例对照研究则在研究中设置了计划好的检查点:如果中期数据显示最初的效应大小或暴露患病率假设过于乐观,研究者可以根据研究开始前指定的规则,增加招募量、调整病例对照比或修改匹配标准。这可以防止研究在结束时因统计功效不足或过度招募而造成浪费,就像在航行中调整帆而不是等到已经超程或完全错过了目的地才行动一样。
历史学
病例对照设计由Richard Doll和Austin Bradford Hill在其1950-1952年关于吸烟与肺癌之间联系的里程碑式研究中正式确立。序贯和适应性分析方法由Abraham Wald(序贯概率比检验,1947年)独立开发,后来由Armitage及其同事在临床试验的背景下开发。分组序贯方法由Jennison和Turnbull(1999年)以及Proschan、Lan和Wittes(2006年)系统化。适应性原则在观察性设计(包括病例对照研究)中的应用,随着流行病学家认识到规划参数的不确定性在观察性研究和试验中同样具有问题,在21世纪初开始受到关注。
何时使用
当标准病例对照设计适用(回顾性暴露评估、相对罕见的结局)但关键规划参数——效应大小、暴露患病率或混杂结构——在开始时存在不确定性,导致固定设计容易出现招募不足或过度招募时,应使用自适应病例对照研究。当病例稀少且招募成本高昂,使得自适应匹配比的效率提升具有价值时,尤其有用。不应使用的情况包括:结局足够常见,值得采用队列设计;在数据收集前无法预先指定和证明中期修改的合理性;监管或伦理监督无法支持中期审查;或者研究团队缺乏适应性方法和α花费的专业知识,因为应用不当会增加I类错误。
局限与注意事项
- 方法学复杂性——设计有效的适应规则需要分组序贯统计学专业知识和仔细的预先指定;错误会破坏整个推断。
- 潜在的操作偏倚——如果负责招募或暴露评估的人员可以接触到中期数据,那么对新出现结果的了解可能会引入选择偏倚。
- 监管和伦理复杂性——机构审查委员会和资助者可能需要对适应性要素进行额外论证,从而增加方案开发时间。
- 仅限于预先指定的适应性调整——只有在数据收集前定义的更改才是合法的;事后修改无论如何表述都是无效的。
- 报告负担——所有中期分析和适应性决策的完全透明是强制性的,但这会增加手稿的长度和复杂性。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 提高统计效率——自适应样本量重新估计可防止研究功效不足,而无需预先承诺不必要的样本量。
- 适应不确定性——当效应大小或暴露患病率的先验估计较弱时,适应规则可以防止因规划假设错误而导致的问题。
- 灵活匹配——在研究中期调整病例对照比的能力,当病例稀少时,可以显著降低总招募负担。
- 保持有效性——预先指定的适应规则和适当的α花费可控制I类错误,这与非计划的中期查看不同。
- 减少资源浪费——研究可以因无效而提前停止,或仅在真正需要时延长,从而节省时间和减轻参与者负担。
应用
- 用于评估罕见药物不良反应的药物警戒研究,其中病例累积率和优势比最初是不确定的。
- 疫情调查,其中暴露分布在开始时是未知的,且招募窗口很短。
- 癌症流行病学研究,将罕见暴露与罕见肿瘤亚型联系起来,其中中期匹配比调整可以显著降低招募成本。
- 环境流行病学研究,其中剂量-反应关系不确定,需要对可检测效应大小进行中期重新估计。
- 遗传流行病学病例对照研究,其中来自试点数据的等位基因频率估计可能与研究人群不同,需要重新估计样本量。
使用方式
使用方式
研究问题、病例定义、对照选择策略、主要暴露因素以及所有计划的适应规则都在收集任何数据之前在方案中进行了规定。适应规则通常包括:何时进行中期分析、哪些统计量会触发修改,以及哪些参数(样本量、匹配比、次要暴露因素)可以更改。预先指定是区分合法适应与事后数据挖掘的保障措施。
病例(患有目标疾病或结局的个体)和对照(未患病的个体)从目标人群中招募。使用预先指定的工具收集两组的基线暴露数据。初始招募目标是根据最佳可用先验估计的效应大小和暴露患病率进行的功效计算确定的。
在一个或多个预先指定的中间点,对累积数据进行已遮蔽或未遮蔽的审查。根据方案中定义的适应阈值,评估条件功效、观察到的优势比和暴露患病率估计值。如果数据落在预先设定的范围内,研究将按原样继续;如果数据越过适应阈值,则会触发相应的修改。
根据中期审查结果,应用方案允许的适应性调整:如果早期效应大小估计值低于假设值,可能会增加样本量以保持统计功效;当病例稀少时,可以提高病例对照比(例如,从1:1提高到1:3)以提高效率;如果混杂结构与预期不同,可以优化匹配变量。所有适应性调整都会被记录并透明地报告。
在最终数据收集后,估计暴露优势比——通常使用匹配设计的条件逻辑回归或非匹配设计的无条件逻辑回归。分析通过应用适当的α花费函数或调整置信区间来考虑设计的适应性,以保持名义上的I类错误率。
结果报告应充分披露适应性决策:进行了哪些中期分析、哪些阈值触发了修改、做出了哪些更改以及分析如何考虑这些更改。报告应遵循STROBE关于观察性研究的指南,并补充所用适应性框架的描述。
常见陷阱
- 非计划的中期分析——在没有预先指定规则的情况下查看结果并修改研究会增加I类错误,这属于p值挖掘,而非合法的适应性调整。
- 忽略操作偏倚——如果招募人员或暴露评估员了解中期结果,早期和晚期招募队列之间的系统性差异可能会扭曲优势比。
- 不正确的α花费——在进行计划的适应性调整后,未进行α花费校正(例如,O'Brien-Fleming或Pocock边界)而应用标准的0.05阈值,会导致假阳性率升高。
- 调整错误的参数——根据数据中期更改主要结局定义、病例定义或混杂因素不是合法的适应性方法学;只有预先指定的参数才能被修改。
- 文件记录不足——未能记录和报告所有适应性决策,使得同行评审和重复研究成为不可能,并削弱了对研究结果的信心。
常见问题
自适应病例对照研究与标准病例对照研究有何不同?
标准病例对照研究在招募开始前固定所有设计参数——样本量、匹配比、纳入标准——并且不更改它们。自适应病例对照研究则建立预先指定的规则,允许在计划的中期点根据累积数据修改某些参数,同时通过α花费方法保持I类错误控制。比较病例和对照之间过去暴露的科学逻辑是相同的;区别仅在于研究如何应对中期不确定性。
适应性是否会使p值和置信区间无效?
如果适应性是预先指定的,并且分析使用了适当的α花费或调整后的推断方法,则不会。标准的p值和置信区间假设的是固定设计;在适应性调整后,研究者必须应用分组序贯或条件推断程序(例如,O'Brien-Fleming花费函数、条件功效方法)来维持名义上的错误率。EAST、gsDesign (R)或rpact (R)等软件可以协助进行这些计算。
病例定义或主要结局可以进行适应性更改吗?
不可以。适应性方法学仅允许修改在预先指定的方案中被指定为可适应的参数,并且即使如此也仅限于预定义的范围内。根据数据更改病例定义、主要暴露或主要结局是预先指定原则的根本性违反,构成事后修改。此类更改必须被明确标记为敏感性分析或探索性分析,并需极其谨慎地对待。
我应该选择嵌套病例对照设计还是自适应病例对照设计?
嵌套病例对照研究嵌入在一个现有的队列中,在每个病例出现时从风险集中抽取对照;当需要限制生物样本或昂贵的暴露评估仅限于大型队列的子集时,这是理想选择。当研究是独立的(非嵌套在队列中)、规划参数不确定且需要对样本量或匹配比进行中期调整时,首选自适应病例对照研究。原则上这两种方法可以结合——自适应嵌套病例对照——但这需要额外的专业知识。
机构伦理审查对于自适应设计是否更繁重?
通常是的。伦理委员会和数据安全监测委员会需要在研究开始前审查并批准适应规则,任何中期分析可能需要更新审查。然而,由于适应性调整是预先指定的且透明的,一旦理由得到清晰解释,许多委员会都会支持。研究者在规划自适应设计时应预留额外时间用于方案开发和与IRB的沟通。
相关方法
参考文献
Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN:978-0781755641已复制。Jennison, C., & Turnbull, B. W. (1999). Group Sequential Methods with Applications to Clinical Trials. Chapman & Hall/CRC.
ISBN:978-0849303166已复制。