[論文レビュー] Concentration of Benefit index: A threshold-free summary metric for quantifying the capacity of covariates to yield efficient treatment rules

Mohsen Sadatsafavi, Mohammad Alì Mansournia+1 more|arXiv (Cornell University)|Jan 1, 2020

Health Systems, Economic Evaluations, Quality of Life参考文献 35被引用数 6

ひとこと要約

本稿では、治療を受ける2名の患者のうち、1名を治療する際の予測結果を、共変量情報ありとなしで比較することで、共変量が治療効果を最も得る患者をどれだけうまく予測できるかを定量化する、しきい値に依存しない指標であるBenefitの集中度指数（Cb）を導入する。Cbは、すべての治療しきい値において、個別化された治療ルールのパフォーマンスを理論的に裏付けられ、解釈可能な指標を提供する。

ABSTRACT

When data on treatment assignment, outcomes, and covariates from a randomized trial are available, a question of interest is to what extent covariates can be used to optimize treatment decisions. Statistical hypothesis testing of covariate-by-treatment interaction is ill-suited for this purpose. The application of decision theory results in treatment rules that compare the expected benefit of treatment given the patient's covariates against a treatment threshold. However, determining treatment threshold is often context-specific, and any given threshold might seem arbitrary when the overall capacity towards predicting treatment benefit is of concern. We propose the Concentration of Benefit index (Cb), a threshold-free metric that quantifies the combined performance of covariates towards finding individuals who will benefit the most from treatment. The construct of the proposed index is comparing expected treatment outcomes with and without knowledge of covariates when one of a two randomly selected patients are to be treated. We show that the resulting index can also be expressed in terms of the integrated efficiency of individualized treatment decision over the entire range of treatment thresholds. We propose parametric and semi-parametric estimators, the latter being suitable for out-of-sample validation and correction for optimism. We used data from a clinical trial to demonstrate the calculations in a step-by-step fashion, and have provided the R code for implementation (https://github.com/msadatsafavi/txBenefit). The proposed index has intuitive and theoretically sound interpretation and can be estimated with relative ease for a wide class of regression models. Beyond the conceptual developments, various aspects of estimation and inference for such a metric need to be pursued in future research.

研究の動機と目的

• 従来の共変量×治療相互作用の仮説検定の限界を克服し、有効な治療ルールを同定すること。
• 任意の治療しきい値に依存せず、共変量が治療効果を予測する総合的容量を定量化する指標を開発すること。
• 理論的に妥当で、解釈可能かつ推定可能な、すべての可能なしきい値において個別化された治療ルールのパフォーマンスを要約する指標を提供すること。
• 半パラメトリック推定法を用いて、外部検証と楽観的バイアスの補正を可能とすること。
• 実臨床試験データを用いた指標の実用的応用を示し、実装用のオープンソースRコードを提供すること。

提案手法

• Benefitの集中度指数（Cb）は、2名の患者をランダムに選択し、そのうち1名を治療する際の期待結果の差として定義される。ただし、共変量の情報がある場合とない場合で比較する。
• Cbは、すべての治療しきい値における個別化された治療意思決定の統合的効率性と数学的に同等である。
• パラメトリック推定法と半パラメトリック推定法が提案され、後者は外部検証と楽観的バイアスの補正を可能にする。
• 回帰モデルを活用して条件付き治療効果を推定し、その結果を用いて解釈可能性を保った形で指数を計算する。
• 指数は経験的リスク最小化を用いて推定可能であり、広範な回帰モデルクラスに適用可能である。
• 再現性と臨床および健康サービス研究分野での実用的利用を支援するため、Rパッケージを提供する。

実験結果

リサーチクエスチョン

• RQ1 特定の治療しきい値に依存せず、共変量が治療効果を最も得る患者を同定するための予測能力をどのように定量化できるか。
• RQ2 すべての可能なしきい値において、個別化された治療ルールのパフォーマンスを要約する理論的に妥当で解釈可能な指標とは何か。
• RQ3 過学習に強く、外部検証が可能な指標の推定方法は何か。
• RQ4 提案された指数は、効率的に計算可能であり、実世界の臨床試験データに適用可能か。
• RQ5 提案された指数と、既存の治療効果の異質性の測定法との関係は何か。

主な発見

• Benefitの集中度指数（Cb）は、治療効果を最も得る患者を同定するための共変量の有効性を、しきい値に依存しない要約として提供する。
• Cbは、すべての治療しきい値における個別化された治療ルールの統合的効率性と数学的に同等であり、統一的な解釈を可能にする。
• 提案された半パラメトリック推定法により、外部検証と楽観的バイアスの補正が可能となり、実世界応用における信頼性が向上する。
• 指数は、共変量に基づいて2名の患者の中から治療に適した方を選び出すことで得られる期待される結果の改善として解釈可能である。
• 本手法は広範な回帰モデルクラスに適用可能であり、公開済みのRコードを用いて実装可能である。
• 指標は理論的根拠が強く、臨床試験データ解析における実用的有用性が強く、段階的な応用事例を通じて実証されている。