[논문 리뷰] A modified weighted log-rank test for confirmatory trials with a high proportion of treatment switching

José L. Jiménez, Julia Niewczas외 2명|arXiv (Cornell University)|2020. 05. 19.

Statistical Methods in Clinical Trials참고 문헌 52인용 수 7

한 줄 요약

이 논문은 확정적 종양학 임상시험에서 질병 진행 후 광범위한 치료 교체가 발생할 경우 이를 보정하기 위해 사전에 설정된 위험비 함수를 활용해 사건 발생 시점을 가중치 조정하는 수정된 가중 로그랭 테스트(mWLR)를 제안한다. 이 방법은 통계적 검정력을 향상시킨다. 시뮬레이션 결과, 표준 로그랭 테스트 및 Max Combo보다 우수한 성능을 보이며, 특히 플라바보군 환자 약 80%가 에버롤리무스로 전환된 RECORD-1 임상시험에서와 같이 높은 전환 비율 상황에서 두드러진다.

ABSTRACT

In confirmatory cancer clinical trials, overall survival (OS) is normally a primary endpoint in the intention-to-treat (ITT) analysis under regulatory standards. After the tumor progresses, it is common that patients allocated to the control group switch to the experimental treatment, or another drug in the same class. Such treatment switching may dilute the relative efficacy of the new drug compared to the control group, leading to lower statistical power. It would be possible to decrease the estimation bias by shortening the follow-up period but this may lead to a loss of information and power. Instead we propose a modified weighted log-rank test (mWLR) that aims at balancing these factors by down-weighting events occurring when many patients have switched treatment. As the weighting should be pre-specified and the impact of treatment switching is unknown, we predict the hazard ratio function and use it to compute the weights of the mWLR. The method may incorporate information from previous trials regarding the potential hazard ratio function over time. We are motivated by the RECORD-1 trial of everolimus against placebo in patients with metastatic renal-cell carcinoma where almost 80\% of the patients in the placebo group received everolimus after disease progression. Extensive simulations show that the new test gives considerably higher efficiency than the standard log-rank test in realistic scenarios.

연구 동기 및 목표

• 질병 진행 후 높은 치료 전환으로 인한 통계적 검정력 저하 문제를 해결하기 위해.
• 비례 위험가정을 만족하지 못하는 상황에서도 유의수준 제어를 유지하는 사전에 설정된 강건한 표준 로그랭 테스트의 대체 방법을 개발하기 위해.
• 의도적 치료 분석에서 유효성과 유의수준을 훼손시키지 않으면서도 검정력을 향상시키기 위해.
• 위험비 궤적과 전환 확률에 대한 사전 지식을 통합하는 방법을 제공하기 위해.

제안 방법

• mWLR 검정은 케이서 및 사건 발생 시간에 시간에 따라 변화하는 가중치를 적용하며, 치료 전환이 증가할수록 가중치를 감소시킨다.
• 가중치는 제어군의 중앙값 진행 및 사망 시간에 기반한 사전 데이터를 반영한 예측된 위험비 함수에서 유도된다.
• 이 방법은 예상되는 치료 효과와 전환 패턴을 반영하는 위험비에 대한 파라미터 모델을 사용한다.
• 위험비는 초기에는 1(차이 없음)로 시작하여 지연된 치료 효과가 나타나면서 시간이 지남에 따라 증가한다.
• 이 테스트는 사전 설정되어 있으며, 전환 확률에 대한 중간 정도의 잘못된 설정에 대해서도 강건하도록 설계되어 있다.
• 이 접근법은 고도의 전환 비율을 포함한 현실적인 임상시험 상황을 반영한 광범위한 시뮬레이션을 통해 검증되었다.

실험 결과

연구 질문

• RQ1 높은 치료 전환 상황에서 통계적 검정력을 향상시키면서도 유의수준 제어를 유지할 수 있는 수정된 가중 로그랭 테스트는 가능한가?
• RQ2 치료 전환으로 인한 비비례 위험가정 위배 상황에서 mWLR는 표준 로그랭 테스트 및 Max Combo 테스트보다 어떻게 성능을 발휘하는가?
• RQ3 기대되는 치료 전환 확률에 대한 잘못된 설정에 대해 mWLR는 얼마나 민감한가?
• RQ4 위험비 궤적에 대한 사전 지식을 통합할 경우 테스트 성능는 어떻게 영향을 받는가?
• RQ5 mWLR는 고도의 전환 비율이 존재하는 의도적 치료 설정에서 주요 분석 방법으로 사용될 수 있는가?

주요 결과

• mWLR 검정은 높은 치료 전환 상황에서 표준 로그랭 테스트보다 유의미하게 높은 검정력을 보였다. 특히 전환 비율이 50%를 초과할 경우 두드러진 성능 향상을 보였다.
• 모든 평가 조건에서 mWLR는 Max Combo 테스트를 능가했으며, 특히 높은 전환 비율 상황에서 두드러진 성능을 보였다.
• 모델 잘못 설정 조건을 포함한 모든 시뮬레이션 조건에서 적절한 유의수준 제어를 유지하였다.
• 성능는 기대되는 치료 전환 확률의 정확도에 가장 민감했으며, p를 과소평가할 경우 더 강건한 성능를 보였다.
• 제어군의 중앙값 전체 생존기간에 대한 잘못된 설정에 대해 낮은 민감도를 보였으며, 핵심 파라미터에 대한 안정성을 입증하였다.
• mWLR는 고도의 치료 전환 상황에서 의도적 치료 분석의 타당한 사전 설정 대안을 제공하였으며, 유의수준을 상승시키지 않으면서도 더 높은 검정력을 확보하였다.