Skip to content
返回搜索结果

自适应生存分析 — 自适应事件发生时间试验设计

提出者
Bauer, Posch, and collaborators (adaptive design framework); Lachin & Foulkes (event-driven survival trial foundations)
年份
2000s (formalized ~2000–2006)
类型
Adaptive statistical design for time-to-event outcomes
类别
Clinical / epidemiology

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

自适应生存分析将自适应临床试验设计与事件发生时间统计方法相结合,允许在期中阶段根据累积的生存数据对样本量、事件目标或分配比例进行预先指定的修改。它广泛应用于肿瘤学、心血管和传染病研究中,这些研究的主要终点是基于风险的结果,例如无进展生存期或全因死亡率。

方法背后的直觉

设想您正在进行一项癌症试验,最初计划观察到300例死亡后进行最终分析。进行到一半时,累积数据显示患者的生存期比预期更长——这意味着您需要比计划多得多的随访时间才能达到300个事件。自适应生存分析允许您查看中期数据并正式增加事件目标(或重新估计随访持续时间),而不会增加I类错误率。关键在于,您在揭盲前预先指定了适应规则,因此即使试验设计在中途发生了变化,整体决策框架仍然具有统计学上的有效性。

历史学

生存分析作为一门正式学科可追溯到Kaplan和Meier(1958)以及Cox(1972)。临床试验的自适应设计方法学在20世纪90年代通过Bauer和Kohne(1994)的工作发展起来,他们引入了多阶段设计的组合检验,并由Bauer和Posch(2004)等人扩展到事件驱动的生存终点。FDA于2019年发布的自适应设计指南和ICH E20指南(正在制定中)此后确立了监管标准。自适应生存分析现在已成为关键肿瘤学试验的标准,并越来越多地应用于心血管和传染病研究。

何时使用

当事件发生时间终点是主要终点、中期数据访问在操作上可行,并且事件率、风险比效应大小或最佳分配存在真正的不确定性时,请使用自适应生存分析。它在肿瘤学、HIV和心血管试验中特别有价值,因为早期停止有效性或无效性试验可以使患者免受无效治疗,并加速监管决策。当适应规则无法在期中揭盲前预先指定(事后适应性调整会使I类错误控制失效)、当研究是观察性的且没有前瞻性分析计划、当样本量过小导致中期估计过于不稳定而无法提供可靠的适应性调整信息,或者当针对该适应症的监管指南不鼓励试验中途设计变更时,请勿使用。

局限与注意事项

  • 需要大量的试验前规划;适应规则必须在访问任何中期数据之前在方案和统计分析计划中完全预先指定。
  • 操作复杂性高:盲态统计师、密封的适应规则和独立的数据监测委员会是必要的保障措施。
  • 组合检验p值和自适应置信区间对临床医生和监管机构来说不如传统的对数秩输出直观。
  • 因疗效而提前终止可能会产生不精确的风险比估计;尽管p值显著,最终置信区间可能很宽。
  • 监管机构的接受度因机构和适应症而异;在方案制定过程中必须查阅ICH E8(R1)和FDA自适应设计指南。

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

  • 在允许试验中途修改的同时,保持整体I类错误控制,前提是规则已预先指定。
  • 提高效率:试验可以因压倒性疗效或无效性而提前终止,避免不必要的患者暴露。
  • 样本量重新估计纠正了关于事件率或效应大小的错误初始假设,从而保持了统计功效。
  • 响应自适应随机化可以随着证据的积累将更多患者转移到表现更好的治疗组。
  • 在固定设计在操作上不灵活的罕见病或快速发展的治疗领域中特别有价值。

应用

  • 以无进展生存期或总生存期为主要终点的肿瘤学试验,并对所需事件计数进行中期重新估计。
  • 心血管结局试验,其中对照组的事件率不确定,需要在中期重新估计样本量。
  • HIV和传染病试验,通过响应自适应随机化将分配转移到更有效的治疗方案。
  • 平台试验,评估多个实验组与共享对照组,使用中期生存数据剔除无效组。
  • 罕见病试验,其中初始样本量小,需要通过自适应停止边界提高效率。
  • 加速审批途径的监管提交,其中中期生存数据为更早的申报决策提供信息。

使用方式

使用方式

1

试验计划中包含一个或多个在方案中预先指定的期中查看。关键参数包括初始事件计数或信息分数、显著性边界(通常源自序贯组消耗函数,如O'Brien-Fleming或Lan-DeMets),以及明确的适应规则——例如,根据盲态汇总事件率重新估计所需事件,或根据观察到的条件功效改变随机化比例。

2

在每次期中分析时,一个独立的数据监测委员会会审查累积的生存数据。生存曲线使用Kaplan-Meier方法估计,并计算对数秩统计量(或其加权变体)。计算条件功效——在当前趋势下,在最终分析中拒绝零假设的概率——以判断是否需要进行适应性调整。

3

根据期中结果和预先指定的适应规则,实施允许的修改。常见的适应性调整包括重新估计样本量以恢复条件功效,当观察到的事件率偏离假设时调整事件目标,以及响应自适应随机化转移以偏向更有效的治疗组。所有适应性调整都必须保持整体家族I类错误率,通常通过组合检验或alpha消耗调整来实现。

4

在所有适应性调整完成后,一旦达到最终事件计数,将为每个组估计生存函数(Kaplan-Meier曲线),并使用对数秩检验或Cox比例风险模型(根据分层变量进行调整)进行主要治疗比较。当跨阶段使用组合检验时,p值是根据阶段性统计量的加权组合计算的,而不是来自单一的汇总分析。

5

最终推断报告了带有置信区间的风险比、来自自适应组合程序的总p值,以及——如果中位或限制平均生存时间具有临床意义——这些估计值及其不确定性。条件拒绝概率或自适应置信区间与标准输出一起报告,以保持可解释性。分析报告记录了所有预先指定的适应规则和任何偏差,并根据原始统计分析计划审计试验的完整性。

常见陷阱

  • 计划外适应性调整:在访问未揭盲结果数据后修改设计而未预先指定,会使I类错误控制失效并导致结果不可靠。
  • 忽略生存试验的事件驱动性质:根据人数而不是事件数调整样本量,如果事件率低于预期,可能会导致试验功效不足。
  • 朴素的p值组合:在自适应阶段使用标准对数秩p值而没有适当的组合检验(例如,逆正态或Fisher组合)会产生膨胀或无效的总体检验。
  • 忽视条件功效的不稳定性:在非常早期的期中查看(信息量少于25%)时,条件功效估计值高度可变且不可靠,不能作为适应性决策的唯一依据。
  • 混淆盲态和非盲态重新估计:基于总体事件率的盲态样本量重新估计保留了分配隐藏,并且争议较小,而非盲态重新估计需要更严格的防火墙。

常见问题

自适应生存分析与标准序贯组设计有何不同?

序贯组设计仅允许预先指定因疗效或无效性而提前终止,同时保持所有其他设计参数固定。自适应生存分析范围更广:它还允许试验中途修改事件目标、样本量、随机化比例,甚至主要终点定义,前提是适应规则已预先指定,并使用有效的组合检验来维持I类错误控制。序贯组设计是自适应框架内一个特殊、更简单的情况。

自适应生存分析是否需要随机试验?

自适应设计机制——组合检验、样本量重新估计、响应自适应随机化——是为随机对照试验开发的。将正式的自适应规则应用于观察性生存数据是非标准的,通常不适用,因为选择偏倚和混杂因素会破坏推断框架。对于观察性生存研究,更适合使用序贯因果方法或具有预先注册分析计划的前瞻性队列设计。

监管机构会接受自适应设计的生存试验吗?

是的,前提是适应规则在方案中完全预先指定,统计分析计划在任何未揭盲的期中分析之前最终确定,并且提交材料包括原始计划以及所有适应性调整的文档。FDA于2019年发布了关于自适应设计的指南,并鼓励关键自适应试验的早期机构互动。EMA在其关于自适应设计的反思文件中也有类似期望。

哪些软件支持自适应生存分析?

商业软件包,如East (Cytel)、ADDPLAN和nQuery,支持具有序贯组和组合检验选项的自适应生存试验设计。R软件包,包括gsDesign、rpact和adaptTest,提供了开源实现。SAS PROC SEQDESIGN处理序贯组生存试验。在设计阶段强烈建议进行模拟,以验证一系列可能情景下的运行特征。

在自适应修改后,我可以使用标准的对数秩p值吗?

不能。一旦使用未揭盲的期中分析来修改设计,所有患者的常规汇总对数秩统计量就不再有效,因为在零假设下,阶段1和阶段2的数据不再是同分布的。必须应用组合检验——例如,逆正态或Fisher组合方法——以保持名义I类错误率。在这种情况下报告朴素的汇总对数秩p值是方法论上的错误。

相关方法

参考文献

  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.

    打开出版物文献
    已复制。
  2. Mehta, C., Bhatt, M., & Bhattacharya, R. (2009). Adaptive randomization for survival endpoints in oncology trials. Journal of Clinical Oncology, 27(15_suppl), e20750.

    打开出版物文献
    已复制。