自适应对照组实验设计
- 提出者
- Peter Bauer and Klaus Kohne (adaptive interim analysis framework, 1994); broader adaptive design methodology developed by Scott Chow and Mark Chang
- 年份
- 1994 (formal adaptive framework); wider adoption 2000s–2010s
- 类型
- Adaptive experimental design
- 类别
- Experimental design
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?
自适应对照组实验设计是一种实验,它将参与者分配到至少一个治疗组和一个同期对照组,同时允许根据累积数据对试验进行预先指定的修改,例如样本量重新估计、提前终止或分配比例更改。自适应调整受研究开始前建立的决策规则的约束,在提高效率的同时保持了I类错误控制。
方法背后的直觉
可以将传统的对照实验视为一个固定的食谱:在开始烹饪之前,您就决定了每种食材和用量,并且从不偏离。自适应对照实验更像是烹饪时有一个计划好的品尝检查点——您在试验进行到一半时比较治疗组和对照组的情况,并根据预先写好的规则,决定是增加更多参与者、因为效果已经明确而提前终止,还是保持不变。对照组始终存在,提供了使每次中期比较都有意义并使最终结论可解释的参考点。
历史学
自适应实验设计起源于亚伯拉罕·瓦尔德在20世纪40年代开发的序贯分析方法。具有中期终止界限的正式序贯组框架由Pocock (1977) 和 O'Brien and Fleming (1979) 编纂。Bauer and Kohne (1994) 引入了组合检验方法,允许在控制I类错误的同时进行更广泛的中期试验自适应调整。Chow and Chang的2008年专著全面论述了自适应设计方法,涵盖了样本量重新估计、自适应随机化和无缝设计。美国FDA (2019) 和EMA的监管指南逐步明确了可接受的自适应策略,巩固了该设计在临床和行为研究实践中的地位。
何时使用
在以下情况下使用自适应对照组设计:(a) 您需要同期对照组的内部有效性保证;(b) 在研究开始前对效应大小或最佳样本量存在真正的不确定性;以及 (c) 资源或伦理因素倾向于在出现强有力证据时提前终止。它在临床试验、药物开发II/III期研究以及样本量成本高昂或需要提前终止以保护伤害的教育或行为干预中特别有价值。当您无法召集独立的DMC时,当结局随访时间很长导致中期数据无法提供信息时,当研究背景不允许预先指定自适应调整规则(例如,纯粹的探索性试点工作)时,或者当具有预先计算样本量的标准固定设计足够且更容易报告时,请勿使用它。
局限与注意事项
- 需要广泛的预先指定和统计专业知识才能正确设计自适应调整规则;设计不当的规则可能会增加I类错误。
- 独立数据监测基础设施(DMC、未盲统计师)增加了成本和物流复杂性。
- 监管机构的接受度因司法管辖区和背景而异;一些机构在批准自适应计划之前需要大量的模拟证据。
- 结果可能更难传达给非专业受众,特别是当发生多次自适应调整时。
- 操作偏差风险:未盲的中期数据,即使仅由DMC查看,如果防火墙没有严格维护,也可能无意中影响招募或数据收集。
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
- 通过同期对照组保持对照实验的内部有效性,同时获得灵活性。
- 当真实效应较大时,可以减少预期样本量,提高效率和伦理。
- 预先指定的自适应调整规则保护I类错误率,并使设计完全可重现。
- 在应用适当的alpha消耗时,允许提前终止以评估疗效、无效性或安全性,而不会增加假阳性率。
- 支持剂量探索和无缝的II/III期设计,这些设计在固定框架下会过于僵化。
应用
- II/III期肿瘤学试验,将实验疗法与标准护理对照进行比较,并在中期查看缓解率后重新估计样本量。
- 公共卫生干预研究,其中提前终止以评估疗效允许更早地推广已证明有效的治疗。
- 教育技术实验,将新的学习平台与对照课程进行比较,并进行中期检查以在效应大小小于预期时调整招募。
- 剂量探索研究,在中期试验中确定最有效剂量并剔除效果较差的组,同时保留对照组用于最终比较。
- 行为经济学实地实验,通过自适应分配将更多参与者转移到更有希望的助推条件,而对照组提供稳定的参考。
使用方式
使用方式
在研究开始之前,研究人员会明确治疗和对照条件、主要结局指标、所有候选的自适应调整(例如,样本量重新估计规则、用于评估疗效或无效性的中期终止界限,或重新加权分配的规则),以及将保持I类错误控制的统计方法(例如,序贯组检验、组合检验或条件功效方法)。强制要求预先指定每个决策规则。
参与者在开始时被随机分配到治疗组或同期对照组。对照组在整个研究过程中保持不变,不接受任何主动干预(或接受标准护理比较剂)。记录各组的基线特征以确认平衡。
在一个或多个预先指定的中期时间点,一个独立的数据监测委员会(DMC)或研究人员会检查来自治疗组和对照组的累积结局数据。中期分析量化当前的效应估计、条件功效和任何安全信号,并将治疗结局与正在进行的对照组进行比较。
根据中期发现和预先指定的规则,实施一项允许的自适应调整——例如,如果条件功效低于阈值,则向上调整样本量;如果更有希望的剂量组,则将分配转向该组;或者如果已达到预先指定的疗效界限或确认无效,则提前终止试验。任何自适应调整都不得在预先写好的方案之外临时进行。
在所有计划的数据收集完成后,主要分析使用预先指定的统计检验比较治疗组和对照组,该检验考虑了自适应修改(例如,组合p值方法或预定义的alpha消耗函数)。透明地报告效应大小、置信区间和临床解释,包括对所实施的每次自适应调整的完整说明。
常见陷阱
- 临时自适应调整:在研究中期修改设计,原因未包含在预先指定的方案中,会使I类错误保证失效,并可能使监管提交无效。
- 忽略自适应调整对估计量的影响:样本量重新估计或提前终止后的朴素效应估计是有偏的;必须使用调整后的估计量或条件置信区间。
- 功效不足的中期分析:过早安排中期查看,在积累足够的事件或数据之前,会产生不可靠的条件功效估计,并可能触发不适当的自适应调整。
- 忽视操作偏差控制:如果未盲的中期摘要泄露给DMC之外的研究团队,则对照组比较的完整性会受到损害。
- 假设对照条件是静态的:在长期试验中,标准护理对照可能会发生变化;未能考虑到这一点会损害治疗组和对照组之间随时间推移的可比性。
常见问题
自适应对照组设计与标准随机对照试验有何不同?
两者都使用随机分配和同期对照组。区别在于,标准RCT有一个固定的方案,没有计划的中期试验修改,而自适应版本预先指定了允许设计更改的规则——例如,增加样本量或提前终止——以响应中期数据,而无需放弃对照组或使统计检验失效。
试验的自适应调整会增加假阳性率吗?
只有当自适应调整未预先指定或使用了错误的统计框架时才会。诸如alpha消耗函数(例如,Lan-DeMets)、组合p值检验(Bauer-Kohne)和条件误差方法等方法专门设计用于在进行中期修改的情况下保持总体I类错误在计划水平。
我可以在研究开始后添加或更改对照条件吗?
不能。在试验中期更改对照条件违反了预先指定的要求,并使治疗与对照的比较无法解释,因为在更改之前和之后随机分配的参与者不再具有可比性。对照组必须在整个过程中保持固定。
数据监测委员会(DMC)的作用是什么?
DMC是一个独立的团体,负责审查未盲的中期数据,检查是否已触发预先指定的终止或自适应调整规则,并建议是继续、修改还是终止试验。通过将此过程与研究团队分开,DMC可以防止操作偏差——即中期结果知识影响招募、测量或实施的风险。
这种设计是否被FDA等监管机构接受?
是的,有条件地接受。美国FDA在2010年发布了自适应设计草案指南,并在2019年发布了最终指南,该指南认可了具有同期对照组的良好控制的自适应设计,前提是自适应调整规则已在研究方案中充分预先指定、模拟和记录。EMA也发布了类似的指南。强烈建议在方案开发阶段与监管机构进行早期沟通。
相关方法
参考文献
Chow, S.-C., & Chang, M. (2008). Adaptive Design Methods in Clinical Trials. Chapman and Hall/CRC.
ISBN:978-1584886760已复制。Bauer, P., & Kohne, K. (1994). Evaluation of experiments with adaptive interim analyses. Biometrics, 50(4), 1029–1041.
打开 DOI 文献已复制。