[論文レビュー] Optimal adaptive two-stage designs for single-arm trial with binary endpoint

Kevin Kunzmann, Meinhard Kieser|arXiv (Cornell University)|May 1, 2016

Statistical Methods in Clinical Trials参考文献 1被引用数 3

ひとこと要約

本稿は、二項応答を有する単群臨床試験の最適な適応的二段階デザインを整数線形計画法（ILP）として定式化し、技術的制約を課さずに帰無仮説下での期待サンプルサイズを正確に最小化する手法を提示する。従来のデザインに見られる病理的特性（例：非単調なサンプルサイズ関数）を解消しつつ、近似的に最適な効率性を維持する。高度な整数プログラミングを用いることで、解釈可能性と実用性を確保する。

ABSTRACT

Minimizing the number of patients exposed to potentially harmful drugs in early onco logical trials is a major concern during planning. Adaptive designs account for the inherent uncertainty about the true effect size by determining the final sample size within an ongoing trial after an interim look at the data. We formulate the problem of finding adaptive designs which minimize expected sample size under the null hypothesis for single-arm trials with binary outcome as an integer linear program. This representation can be used to identify optimal adaptive designs which improve previous designs in two ways: Firstly, designs can be found exhibiting lower expected sample size under the null hypothesis than those provided by previous algorithms. Secondly, we explain how integer programming techniques can be exploited to remove pathologies of the optimal and previous solutions arising from the discrete nature of the underlying statistics. The resulting designs are both efficient in terms of expected sample size under the null hypothesis and well interpretable.

研究の動機と目的

• 二項応答を有する単群試験の最適な適応的二段階デザインを、帰無仮説下での期待サンプルサイズを最小化するように開発すること。
• 計算の実行可能性を保証するための制限的な技術的制約を必要とする従来のアルゴリズムの限界を克服すること。
• 二項分布の離散性に起因するサンプルサイズ関数の病理的特性（例：非単調性）を解消すること。
• 一意的かつ連続した停止領域といった構造的制約を課すことにより、最適デザインの解釈可能性と実用的採用を向上させること。
• 最適性を損なわずに、標準的かつ高性能な整数プログラミングソルバーを用いて効率的な計算を可能にすること。

提案手法

• 意思決定ルールおよびサンプルサイズ関数を離散変数として表現することで、最適化問題を整数線形計画法（ILP）として定式化する。
• 条件付き誤差関数の原則を用い、中間解析後の柔軟なサンプルサイズの適応を許容しつつ、第1種の過誤を制御する。
• ILPフレームワーク内に追加制約（例：一意的サンプルサイズ関数、連続した停止領域）を課すことにより、病理的解を排除する。
• 商用クラスのILPソルバーを用いて最適解を効率的に計算し、遅い分枝限定法の実装を回避する。
• 目的関数のカスタマイズ（例：事前分布下での期待サンプルサイズの最小化、最大サンプルサイズの大きな値に対するペナルティ）を可能にする。
• 既存手法（例：EnglertとKieser, 2013）と比較することで解の妥当性を検証し、性能の低下が最小限に抑えられつつ構造的性質が向上していることを示す。

実験結果

リサーチクエスチョン

• RQ1 技術的制約を追加せずに、二項応答を有する単群試験の最適な適応的二段階デザインを正確に計算可能か？
• RQ2 離散分布に起因するサンプルサイズ関数の病理的特性（例：非単調性）は、最適設計においてどのように生じるのか。また、それらは排除可能か？
• RQ3 一意的サンプルサイズ関数などの構造的制約を課した場合、制約なしの最適設計と比較して帰無仮説下での期待サンプルサイズにどの程度の影響が生じるか？
• RQ4 整数プログラミング手法を用いることで、統計的に効率的かつ臨床的に解釈可能な最適デザインを効率的に計算可能か？
• RQ5 条件付き誤差関数の単調性制約は必須であるか。それとも、性能の著しい損失なしに緩和可能か？

主な発見

• 提示されたILP定式化により、追加の技術的制約を課すことなく、真の最適性を達成する最適な適応的二段階デザインを正確に計算可能である。
• 『良さの制約』（例：一意的サンプルサイズ関数）を課した際の帰無仮説下での期待サンプルサイズの性能損失は極めて小さい—しばしば1%未満—であり、従来研究における単調性制約が不必要に制限的であるとは言えないことを示している。
• 最適デザインは良好に振る舞うサンプルサイズ関数を示し、直感に反するジャンプ（例：減少後に増加）を回避しており、臨床的解釈可能性と採用促進に寄与する。
• 商用クラスのILPソルバーにより、解の計算が迅速に行える。これは、素朴な分枝限定法と比較して、速度とスケーラビリティの点で顕著に優れている。
• 本フレームワークは拡張可能である。追加の制約（例：最小条件的パワー）や代替の目的関数（例：サンプルサイズの高次モーメントの最小化）を容易に組み込むことができる。
• パrameter設定 ρ₀=0.5, ρ₁=0.7, α=0.05, β=0.1 の場合、最適デザインでは13例の反応に対して2段階目で47名、14例に対して44名、15例に対して47名の患者が必要となる—これは、従来のデザインに見られた非単調性が離散最適化の結果として生じる人工的要因であることを確認する。