[論文レビュー] A hypothesis testing framework for the ratio of means of two negative binomial distributions: classifying the efficacy of anthelmintic treatment against intestinal parasites

Matthew Denwood, Giles Innocent+10 more|arXiv (Cornell University)|Oct 15, 2019

Helminth infection and control参考文献 1被引用数 12

ひとこと要約

本論文は、寄生虫学で一般的な過分散カウントデータ（例：寄生虫の卵数）を用いた抗ヒスタミン薬効果の評価を目的として、2つのネガティブ・バイノミアル分布の平均比を比較するための新しい仮説検定フレームワークを提案する。この手法は、治療効果を「十分」「低下」「限界」「不明」という4つの解釈可能なカテゴリに分類し、100%の効果率でも正確な推論と型Iエラーの適切な制御を実現しており、既存の手法に比べてより高い頑健性と解釈可能性を有する。

ABSTRACT

Over-dispersed count data typically pose a challenge to analysis using standard statistical methods, particularly when evaluating the efficacy of an intervention through the observed effect on the mean. We outline a novel statistical method for analysing such data, along with a statistically coherent framework within which the observed efficacy is assigned one of four easily interpretable classifications relative to a target efficacy: "adequate", "reduced", "borderline" or "inconclusive". We illustrate our approach by analysing the anthelmintic efficacy of mebendazole using a dataset of egg reduction rates relating to three intestinal parasites from a treatment arm of a randomised controlled trial involving 91 children on Pemba Island, Tanzania. Numerical validation of the type I error rates of the novel method indicate that it performs as well as the best existing computationally-simple method, but with the additional advantage of providing valid inference in the case of an observed efficacy of 100%. The framework and statistical analysis method presented also allow the required sample size of a prospective study to be determined via simulation. Both the framework and method presented have high potential utility within medical parasitology, as well as other fields where over-dispersed count datasets are commonplace. In order to facilitate the use of these methods within the wider medical community, user interfaces for both study planning and analysis of existing datasets are freely provided along with our open-source code via: http://www.fecrt.com/framework

研究の動機と目的

• 寄生虫学において一般的な過分散カウントデータ、特に抗ヒスタミン薬投与後の卵数減少を分析する課題に対処すること。
• 治療効果を「十分」「低下」「限界」「不明」という4つの明確に解釈可能なカテゴリに分類できる統計的に整合性のある仮説検定フレームワークを開発すること。
• 特に極端な効果サイズ（例：100%効果）においても有効な統計的推論を保証すること、これは既存手法がしばしば失敗する場面である。
• シミュレーションを用いた前向きなサンプルサイズ決定を可能とし、医学的寄生虫学における効率的な試験設計を支援すること。
• 研究コミュニティにおける広範な採用を促進するため、オープンソースのツールと使いやすいインターフェースを提供すること。

提案手法

• 本手法は、寄生虫の卵数データに内在する過分散を考慮した、2つのネガティブ・バイノミアル分布の平均比に対する尤度比検定（LRT）を採用する。
• 統計的有意性と事前に定義された閾値に基づき、観察された効果率を4つのカテゴリに分類する仕組みを導入し、臨床的および公衆衛生的意思決定における解釈可能性を向上させる。
• 型Iエラー率を正確に維持する正確な推論手順を統合しており、特に観察された効果率が100%の場合でも有効である。これは、多くの従来手法の限界である。
• 小標本および過分散下でも頑健性を確保するため、パラメトリックブートストラップを用いて帰無仮説の検定統計量の分布を推定する。
• シミュレーションに基づくパワーとサンプルサイズ計算を可能とし、望ましい精度と誤差率を満たすように将来の研究計画が行える。
• 研究計画および既存データセットの分析を支援するため、オープンソースのRパッケージとウェブベースのユーザインターフェースを提供する。

実験結果

リサーチクエスチョン

• RQ1 抗ヒスタミン薬効果試験の文脈において、過分散を示す2つのネガティブ・バイノミアル分布の平均比を信頼性高く検定する方法は何か？
• RQ2 どのような統計的フレームワークが、『十分』『低下』『限界』『不明』という4つの明確なカテゴリに分類可能な治療効果を可能にするか？
• RQ3 観察された効果率が100%の場合でも、型Iエラー率を適切に維持できる仮説検定法は存在するか？これは多くの標準的手法が失敗する状況である。
• RQ4 過分散カウントデータ下で、シミュレーションに基づくパワー分析を用いて、将来の試験に必要なサンプルサイズを正確に決定する方法は何か？
• RQ5 実世界の寄生虫学データセットにおいて、本手法は従来の手法に比べて統計的妥当性および解釈可能性の面でどの程度優れているか？

主な発見

• 提案手法は適切な型Iエラー率を維持しており、計算が単純な既存手法の中でも同等の性能を示し、極端な効果サイズ下では優れた性能を発揮する。
• 観察された卵減少率が100%であっても、本手法は有効な統計的推論を提供する。これは従来手法に比べて顕著な利点である。
• 4カテゴリ分類システム（『十分』『低下』『限界』『不明』）は、公衆衛生および臨床意思決定に明確で実行可能な解釈を提供する。
• 数値的検証により、分散および標本サイズのさまざまなシナリオにおいて型Iエラーが適切に制御されていることが確認され、頑健性が裏付けられた。
• シミュレーションを用いた正確なサンプルサイズ推定が可能であり、将来的な無作為化比較試験の効率的設計を支援する。
• オープンソースのコードおよび使いやすいインターフェースの提供により、医学および疫学的研究コミュニティにおけるアクセシビリティと採用促進が顕著に向上した。