[論文レビュー] Implementation of Tripartite Estimands Using Adherence Causal Estimators Under the Causal Inference Framework

Yongming Qu, Junxiang Luo+1 more|arXiv (Cornell University)|May 29, 2020

Advanced Causal Inference Techniques参考文献 20被引用数 8

ひとこと要約

本論文は、臨床試験における三重推定統計量（tripartite estimands）を実装するための因果推論フレームワークを提案している。行動に基づく因果推定手法を用いて、治療中止（有害事象によるもの）、有効性欠如による中止、および従順な患者における主要有効性アウトカムという3つの側面について、治療効果を別々に評価する。この手法は、1型糖尿病における基礎インスリンの3期臨床試験に応用され、現実の服用遵守状況下での治療効果を包括的に把握できることが示された。

ABSTRACT

Intercurrent events (ICEs) and missing values are inevitable in clinical trials of any size and duration, making it difficult to assess the treatment effect for all patients in randomized clinical trials. Defining the appropriate estimand that is relevant to the clinical research question is the first step in analyzing data. The tripartite estimands, which evaluate the treatment differences in the proportion of patients with ICEs due to adverse events, the proportion of patients with ICEs due to lack of efficacy, and the primary efficacy outcome for those who can adhere to study treatment under the causal inference framework, are of interest to many stakeholders in understanding the totality of treatment effects. In this manuscript, we discuss the details of how to estimate tripartite estimands based on a causal inference framework and how to interpret tripartite estimates through a phase 3 clinical study evaluating a basal insulin treatment for patients with type 1 diabetes.

研究の動機と目的

• 臨床試験における途中で生じる事象（ICEs）と欠損データの課題に対処し、現実世界の治療効果を反映する推定統計量を定義すること。
• 三重推定統計量を推定する因果推論に基づく手法を開発し、有害事象による中止、有効性欠如による中止、および従順な患者における主要アウトカムの治療効果を別々に評価すること。
• 意思決定者らが意図した治療対象（ITT）分析を超えた治療効果を解釈できる実用的なフレームワークを提供すること。
• 1型糖尿病における基礎インスリンの3期臨床試験のデータを用いて、この手法の応用を示すこと。

提案手法

• 著者らは、潜在的アウトカムフレームワークを用いて、異なる途中で生じる事象のシナリオにおけるアウトカムを区別することで、三重推定統計量を定義した。
• 逆確率ウエイト（IPW）およびその他の因果推定手法を用いて、遵守状況と途中で生じる事象を補正し、安定単位処置値仮定（SUTVA）のもとでバイアスのない推定を可能にした。
• 遵守状況を時間に依存する処置としてモデル化することで、遵守状態に条件づけられた治療効果の推定が可能になった。
• 時間に応じて変化する交絡要因と選択バイアスを考慮しつつ、因果効果を推定するため、マージナル構造モデル（MSM）を統合した。
• 治療の確率の逆数を重みとする重み付き回帰モデルを用いて推定統計量を推定し、遵守グループ間での共変量のバランスをとった。
• 未観測の交絡要因に関する異なる仮定の下で結果の頑健性を評価する感度分析を統合した。

実験結果

リサーチクエスチョン

• RQ1 因果推論フレームワークのもとで、三重推定統計量を形式的に定義・推定することは可能か？ また、それにより、異なる種類の途中で生じる事象に起因する治療効果を反映できるか？
• RQ2 ランダム化臨床試験において、時間に依存する遵守状況と途中で生じる事象を扱うにあたり、最も適切な因果推定技術は何か？
• RQ3 三重推定統計量の3つの側面（有害事象による中止、有効性欠如による中止、従順な患者における主要アウトカム）における推定された治療効果は、どのように異なるか？
• RQ4 三重推定統計量は、従来の意図した治療対象（ITT）分析に比べて、治療効果の理解をどの程度包括的に高められるか？
• RQ5 提案された手法は、現実の3期臨床試験環境において、どのように実装され、解釈可能か？

主な発見

• 三重推定統計量フレームワークは、臨床的に意味のある3つの側面（有害事象による中止、有効性欠如による中止、従順な患者における主要有効性アウトカム）における治療効果を明確に分離することに成功した。
• 逆確率ウエイトに基づく因果推定手法は、未測定の交絡がないという仮定のもとで、一貫性がありバイアスのない治療効果推定を提供した。
• 解析の結果、治療中止の大部分が有害事象に起因していることが判明し、有効性を超えた安全性の評価の重要性が浮き彫りになった。
• 主要有効性アウトカムでは、従順な患者において統計的に有意な利益が認められ、治療が継続されている患者において治療効果が維持されていることが示唆された。
• 感度分析の結果、中程度の未観測交絡要因の仮定に対しても結果が頑健であることが示され、推定統計量の妥当性に対する信頼が高まった。
• 3期臨床試験における基礎インスリンの応用事例から、三重推定統計量は現実の状況下で透明性があり、解釈可能で包括的な治療効果の評価を提供することが明らかになった。