[論文レビュー] Integrative analysis of randomized clinical trials with real world evidence studies

Lin Dong, Shu Yang+3 more|arXiv (Cornell University)|Mar 2, 2020

Statistical Methods and Inference参考文献 1被引用数 14

ひとこと要約

本稿では、ランダム化臨床試験（RCT）と実世界証拠（RWE）データを統合して、標本集団における平均治療効果の推定を改善するためのキャリブレーション重み付け推定量および二重ロバスト補正キャリブレーション重み付け推定量を提案する。RWEからの共変量のバランスとアウトカム情報を利用することで、一般化可能性と推定の効率性が向上し、シミュレーションおよび実世界の応用によって、有限標本における頑健な性能が確認された。

ABSTRACT

We leverage the complementing features of randomized clinical trials (RCTs) and real world evidence (RWE) to estimate the average treatment effect of the target population. First, we propose a calibration weighting estimator that uses only covariate information from the RWE study. Because this estimator enforces the covariate balance between the RCT and RWE study, the generalizability of the trial-based estimator is improved. We further propose a doubly robust augmented calibration weighting estimator that achieves the semiparametric efficiency bound derived under the identification assumptions when the nuisance models are correctly specified. A data-adaptive nonparametric sieve method is provided as an alternative to the parametric approach. The sieve method guarantees good approximation of the nuisance models. We establish asymptotic results under mild regularity conditions, and confirm the finite sample performances of the proposed estimators by simulation experiments. When the treatment and outcome information is also available from the RWE study, we borrow its predictive power to improve the estimation of the nuisance functions under the outcome mean function transportability assumption. We apply our proposed methods to estimate the effect of adjuvant chemotherapy in early-stage resected non-small-cell lung cancer integrating data from a RCT and a sample from the National Cancer Database.

研究の動機と目的

• RCTの一般化可能性の限界を解消するために、実世界証拠（RWE）を統合し、より広範な標本集団における治療効果を推定すること。
• RCTとRWE集団間の共変量の不均衡という課題を克服し、RCTに基づく治療効果推定の外部妥当性を向上させること。
• ネイズ・モデルの正しく指定された場合に効率性を達成する半パラメトリックで二重ロバストな推定量を開発すること。
• 真の関数形が不明な状況において強いパラメトリック仮定を必要とせず、複雑なネイズ関数を柔軟に近似できるデータ適応型非パラメトリックシーブ法を提供すること。
• RCTおよびNational Cancer Databaseデータを用いて、早期非小細胞肺がんにおける補助化学療法の効果を推定するため、提案手法を応用すること。

提案手法

• RWE研究からの共変量情報のみを用いて、RCTとRWE集団間の共変量バランスを強制するキャリブレーション重み付け推定量を提案する。
• アウトカムモデリングとキャリブレーションを組み合わせた二重ロバスト補正キャリブレーション重み付け推定量を導入し、アウトカムモデルまたは適合度モデルのいずれかが正しく指定された場合に、半パラメトリック効率性を達成する。
• 弱い正則性条件のもとで良好な近似が得られるよう、ネイズ関数を柔軟に推定する非パラメトリックシーブ法を採用する。
• アウトカム平均関数の輸送可能性仮定を用い、RCTおよびRWE両方のデータにアウトカムデータが存在する場合に、RWEからの予測力の借用を可能にする。
• 弱い正則性条件のもとで推定量の漸近正規性および一貫性を確立し、妥当な推論を可能にする。
• さまざまなモデル誤指定およびデータ構造のシナリオ下での有限標本性能を評価するためのシミュレーション実験を実施する。

実験結果

リサーチクエスチョン

• RQ1 RWEの共変量のみを用いたキャリブレーション重み付けは、RCTに基づく平均治療効果推定の一般化可能性を向上させることができるか？
• RQ2 アウトカムモデルまたは適合度モデルのいずれかが正しく指定された場合に、二重ロバスト補正キャリブレーション推定量は半パラメトリック効率性を達成するか？
• RQ3 真の関数形が不明な状況において、非パラメトリックシーブ法はパラメトリックアプローチに比べてネイズ関数の近似においてどのように優れているか？
• RQ4 アウトカム平均関数の輸送可能性仮定のもとで、RWEからのアウトカム情報はネイズ関数推定の精度をどの程度向上させることができるか？
• RQ5 モデル誤指定下での有限標本における提案推定量の性能はいかほどであり、実世界のがんデータにおける経験的妥当性は何か？

主な発見

• キャリブレーション重み付け推定量は、RCTとRWE集団間の共変量バランスを著しく改善し、RCTに基づく治療効果推定の外部妥当性を向上させた。
• 二重ロバスト補正キャリブレーション推定量は、アウトカムモデルまたは適合度モデルのいずれかが正しく指定された場合に、半パラメトリック効率性を達成し、モデル誤指定に対して頑健であることが確認された。
• 非パラメトリックシーブ法は、強いパラメトリック仮定を必要とせず、複雑なネイズ関数を柔軟かつ効果的に近似する代替手法として優れた性能を示した。
• シミュレーション実験により、提案推定量がモデル誤指定を含むさまざまな条件下でも良好な有限標本性能を維持することが確認された。
• アウトカム平均関数の輸送可能性仮定のもとでは、RWEからのアウトカム情報の借用が、ネイズ関数推定の精度を顕著に向上させた。
• 早期非小細胞肺がんデータへの応用により、統合されたRCTおよびRWEデータを用いた補助化学療法の効果推定において、本手法の実用的有用性が示された。