[論文レビュー] Decision rules for identifying combination therapies in open-entry, randomized controlled platform trials

Elias Laurin Meyer, Peter Mesenbrink+4 more|arXiv (Cornell University)|Mar 17, 2021

Statistical Methods in Clinical Trials参考文献 44被引用数 26

ひとこと要約

本論文は、ベイジアンおよび頻度主義的手法を用いて、オープンエントリー型のランダム化比較プラットフォーム試験における有効な複合療法の特定のための意思決定ルールを提案する。データ共有、意思決定ルールの明確化、治療効果に関する事前仮定が、パワー、第一種誤り、試験効率といった運用特性に顕著に影響することを示しており、薬物開発における試験設計およびステークホルダーの整合性に影響を及ぼす。

ABSTRACT

Platform trials have become increasingly popular for drug development programs, attracting interest from statisticians, clinicians and regulatory agencies. Many statistical questions related to designing platform trials - such as the impact of decision rules, sharing of information across cohorts, and allocation ratios on operating characteristics and error rates - remain unanswered. In many platform trials, the definition of error rates is not straightforward as classical error rate concepts are not applicable. For an open-entry, exploratory platform trial design comparing combination therapies to the respective monotherapies and standard-of-care, we define a set of error rates and operating characteristics and then use these to compare a set of design parameters under a range of simulation assumptions. When setting up the simulations, we aimed for realistic trial trajectories, such that e.g. a priori we do not know the exact number of treatments that will be included over time in a specific simulation run as this follows a stochastic mechanism. Our results indicate that the method of data sharing, exact specification of decision rules and a priori assumptions regarding the treatment efficacy all strongly contribute to the operating characteristics of the platform trial. Furthermore, different operating characteristics might be of importance to different stakeholders. Together with the potential flexibility and complexity of a platform trial, which also impact the achieved operating characteristics via e.g. the degree of efficiency of data sharing, this implies that utmost care needs to be given to evaluation of different assumptions and design parameters at the design stage.

研究の動機と目的

• オープンエントリー型の探索的プラットフォーム試験において、複合療法とモノセラピー、標準治療を比較する際の誤り率および運用特性を定義・評価すること。
• 意思決定ルール、データ共有戦略、治療効果に関する仮定が試験のパフォーマンスに与える影響を評価すること。
• NASHなど、複数の複合療法を同時に評価する複雑な治療領域において、効率的で信頼性のあるプラットフォーム試験の設計を支援すること。
• 現実的なシミュレーション条件下での統計的パワー、第一種誤り、試験期間の間のトレードオフを定量化することで、規制的・臨床的意思決定を支援すること。

提案手法

• 本研究は、コhort間における情報の動的借用を可能にするベイジアン階層モデルを用いて、治療効果を推定する。
• 意思決定ルールは、後部確率（例：P(θ > 0) > γ）および非劣性マージン（δ < 0）を用いた対比較に基づいて定義される。
• 試験は確率的コhortの登録メカニズムの下で実施され、事前にコhort数や治療群の数が固定されていない。
• プラットフォーム試験設計には、1コhortあたり4つの治療群が含まれる：複合療法、バックボーンモノセラピー（A）、追加モノセラピー（B）、標準治療（SoC）。
• 各コhortの登録後、中間解析が実施され、事前に定めたしきい値に基づいて無効性または有効性の停止ルールが適用される。
• シミュレーションフレームワークは、1億以上のプラットフォーム試験の経路を想定し、運用特性の評価を目的として1万以上のパラメータコンビネーションを検討する。

実験結果

リサーチクエスチョン

• RQ1 異なる意思決定ルール（ベイジアン対頻度主義）が、複合療法のプラットフォーム試験における第一種誤り率および統計的パワーにどのように影響するか？
• RQ2 コhort間でのデータ共有が、第一種誤りやパワーを含むプラットフォーム試験の運用特性に、どの程度影響を及えるか？
• RQ3 治療効果に関する仮定および割り当て比が、複合療法の同定の効率性および信頼性にどのように影響するか？
• RQ4 コhortの登録ダイナミクスおよび確率的受容が、最終サンプルサイズおよび試験期間に与える影響は何か？

主な発見

• データ共有の方法が運用特性に顕著に影響し、仮定が正しく指定されている場合、より多くの情報借用がパワーを向上させるとともに第一種誤りを低減する。
• 後部確率に基づく意思決定ルール（例：P(θ > 0) > 0.95）は、単純な頻度主義的しきい値に比べ、第一種誤りの制御が良好で、パワーも高い。
• 治療効果に関する仮定、特にモノセラピーと複合療法の真の反応率が、有効な組み合わせを正しく同定する確率に強く影響する。
• より多くのコhortを含めることでデータ共有の複雑さが増し、特に同時データ共有が用いられる場合、最終サンプルサイズが高くなる傾向がある。
• 割り当て比がバランスされており、意思決定ルールが予想される治療効果サイズに適切にチューニングされている場合、試験設計は最も効率的である。
• シミュレーションフレームワークは、事前仮定や意思決定ルールのしきい値にわずかなずれがあるだけで、運用特性に顕著な変化が生じることを明らかにした。これは、設計段階での堅牢な評価の必要性を強調している。