[논문 리뷰] Implementation of Tripartite Estimands Using Adherence Causal Estimators Under the Causal Inference Framework

Yongming Qu, Junxiang Luo외 1명|arXiv (Cornell University)|2020. 05. 29.

Advanced Causal Inference Techniques참고 문헌 20인용 수 8

한 줄 요약

이 논문은 임상 시험에서 삼중 추정량(tripartite estimands)을 구현하기 위한 인과적 추론 프레임워크를 제안한다. 이는 부작용으로 인한 치료 중단, 효과 없음, 그리고 복용자에서의 주요 유효성 결과로 나누어 치료 효과를 평가하는 적응형 인과 추정량을 사용한다. 이 방법은 제1형 당뇨병 환자를 대상으로 한 3a상 시험에서 검증되었으며, 실생활 복약 패턴을 반영한 치료 효과의 종합적 시각을 제공함을 보여준다.

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.

연구 동기 및 목표

• 임상 시험에서 간섭 사건(ICEs)과 누락 데이터 문제를 해결하기 위해 실제 치료 효과를 반영하는 추정량을 정의하는 것.
• 부작용으로 인한 중단, 효과 없음으로 인한 중단, 복용자에서의 주요 결과를 별도로 평가하는 삼중 추정량을 추정하기 위한 인과 추론 기반 방법을 개발하는 것.
• 의도에 따라 치료를 분석하는 것 이상의 치료 효과를 이해하기 위해 이해관계자들이 실천 가능한 프레임워크를 제공하는 것.
• 제1형 당뇨병에서 기저성 인슐린 3a상 임상 시험 데이터를 사용하여 방법의 적용을 시연하는 것.

제안 방법

• 저자는 잠재 결과 프레임워크를 적용하여 간섭 사건의 다양한 상황에서의 결과를 구분하는 삼중 추정량을 정의한다.
• 역확률가중법(IPW) 및 기타 인과 추정량을 사용하여 복약과 간섭 사건을 보정함으로써 안정된 단위 치료값 가정(SUTVA) 하에서 편향 없는 추정을 가능하게 한다.
• 복약을 시간에 따라 변하는 치료로 모델링하여 복약 상태에 조건부한 치료 효과를 추정할 수 있도록 한다.
• 시간에 따라 변화하는 혼란 변수와 선택 편향을 고려하여 인과 효과를 추정하기 위해 균형 모델(마진 모델, MSM)을 통합한다.
• 치료 효과 추정을 위해 치료 가중치의 역확률를 포함한 가중 회귀 모델을 사용한다. 이는 복약 그룹 간의 공변수를 균형 있게 만든다.
• 모델링의 결과가 관측되지 않은 혼란 변수에 대한 다양한 가정 하에서도 강인한지 평가하기 위해 민감도 분석을 통합한다.

실험 결과

연구 질문

• RQ1 삼중 추정량은 인과 추론 프레임워크 하에서 어떻게 공식적으로 정의되고 추정될 수 있으며, 이는 서로 다른 간섭 사건 유형에 따른 치료 효과를 반영하는가?
• RQ2 무작위 임상 시험에서 시간에 따라 변하는 복약과 간섭 사건을 다루기 위해 가장 적절한 인과 추정 기법은 무엇인가?
• RQ3 삼중 추정량의 세 구성 요소인 부작용으로 인한 중단, 효과 없음으로 인한 중단, 복용자에서의 주요 결과 간에 추정된 치료 효과는 어떻게 다를까?
• RQ4 삼중 추정량은 전통적인 의도에 따라 치료 분석(ITT)보다 치료 효과에 대해 더 종합적인 이해를 제공하는가?
• RQ5 제안된 방법은 실생활 3a상 임상 시험 환경에서 어떻게 실천되고 해석될 수 있는가?

주요 결과

• 삼중 추정량 프레임워크는 부작용으로 인한 중단, 효과 없음으로 인한 중단, 복용자에서의 주요 유효성 결과로 나누어 치료 효과를 임상적으로 의미 있는 세 가지 구성 요소로 명확히 분리하는 데 성공했다.
• 역확률가중법 기반 인과 추정량은 관측되지 않은 혼란 변수가 없는 가정 하에서 일관되고 편향 없는 치료 효과 추정을 제공했다.
• 분석 결과, 치료 중단의 상당 부분이 부작용으로 인한 것으로 나타나, 유효성 이외의 안전성 평가의 중요성을 강조했다.
• 주요 유효성 결과에서는 복용자에서 통계적으로 유의미한 유익이 관찰되어, 치료를 계속하는 환자들 사이에서 치료 효과가 유지됨을 시사했다.
• 민감도 분석 결과, 결과는 중간 정도의 관측되지 않은 혼란 변수에 대해서도 강인했으며, 추정량의 타당성에 대한 신뢰를 높였다.
• 3a상 기저성 인슐린 시험에서의 적용 사례는 삼중 추정량이 실생활 조건에서 치료 효과를 투명하고 해석 가능하며 종합적으로 평가할 수 있음을 보여주었다.