[論文レビュー] Online error control for platform trials

D. S. Robertson, James Wason+3 more|arXiv (Cornell University)|Feb 8, 2022

Statistical Methods in Clinical Trials被引用数 4

ひとこと要約

本稿では、逐次的に追加される治療群を伴うプラットフォーム試験における多重性を管理するため、オンライン誤差制御手法——特に家族wise誤り率（FWER）および誤り発見率（FDR）——を提案する。シミュレーションおよび前立腺がん臨床試験STAMPEDEの事例研究を通じて、BatchPRDS や LOND といったオンライン手順が、特に治療群の数が中程度で、検定統計量に依存関係がある現実的な試験設計下でも、ボンフェローニ補正に比べて高い統計的検出力と強いFWER制御を実現することを示している。

ABSTRACT

Platform trials evaluate multiple experimental treatments under a single master protocol, where new treatment arms are added to the trial over time. Given the multiple treatment comparisons, there is the potential for inflation of the overall type I error rate, which is complicated by the fact that the hypotheses are tested at different times and are not all necessarily pre-specified. Online error control methodology provides a possible solution to the problem of multiplicity for platform trials where a relatively large number of hypotheses are expected to be tested over time. In the online testing framework, hypotheses are tested in a sequential manner, where at each time-step an analyst decides whether to reject the current null hypothesis without knowledge of future tests but based solely on past decisions. Methodology has recently been developed for online control of the false discovery rate as well as the familywise error rate (FWER). In this paper, we describe how to apply online error control to the platform trial setting, present extensive simulation results, and give some recommendations for the use of this new methodology in practice. We show that the algorithms for online error rate control can have a substantially lower FWER than uncorrected testing, while still achieving noticeable gains in power when compared with the use of a Bonferroni procedure. We also illustrate how online error control would have impacted a currently ongoing platform trial.

研究の動機と目的

• 治療群が逐次的に追加され、仮説が時間経過とともに検定されるプラットフォーム試験における多重性の課題に対処すること。
• 限定的な数の治療群と依存関係のある検定統計量を伴う現実的なプラットフォーム試験条件下で、オンライン誤差制御手法（特にFWERおよびFDR）の性能を評価すること。
• タイプI誤りの制御と統計的検出力の観点から、オンライン手法と伝統的手法（ボンフェローニ補正や補正なし）を比較すること。
• 継続的および将来のプラットフォーム試験におけるオンライン誤差制御の実装に向けた実用的助言を提供すること。

提案手法

• 本研究では、将来の検定に関する知識を必要とせず、過去の意思決定に基づいて有意水準を適応的に割り当てるオンライン仮説検定フレームワークを採用する。
• 主に2つのクラスを評価する：完全逐次的検定（例：LOND）とバッチ化検定（例：BatchPRDS）、両者とも時間経過に伴うFWERまたはFDRを制御することを目的としている。
• アルゴリズムは事前に指定された有意水準αと、合計が1に等しい非負の重みγiの系列を用い、過去の棄却に基づいて臨床的臨界値を動的に調整する。
• シミュレーションは、治療群の数、反応パターン、導入時刻、総数の上限（N_bound）の異なる状況を想定して実施する。
• STAMPEDE事例研究では、前立腺がんプラットフォーム試験の実データにオンライン手法を適用し、棄却率と誤差制御への影響を評価する。
• 共有コントロール群の情報が検定統計量間に正の依存関係を生じることを考慮し、それがタイプI誤りの増加に与える影響を評価する。

実験結果

リサーチクエスチョン

• RQ1 中程度の治療群数を伴うプラットフォーム試験において、オンライン誤差制御手法は家族wise誤り率（FWER）をどれほど効果的に制御できるか？
• RQ2 ボンフェローニ補正や補正なしの検定と比較して、オンライン手法を用いる場合、タイプI誤りの制御と統計的検出力のトレードオフはどのように変化するか？
• RQ3 共有コントロール群に起因する正の依存関係は、プラットフォーム試験環境下でのオンラインFWERおよびFDR手順の性能にどのように影響するか？
• RQ4 完全逐次的およびバッチ化検定の両状況において、LONDとBatchPRDSのどちらのオンラインテストアルゴリズムが、検出力と誤差率制御のバランスに優れているか？
• RQ5 STAMPEDEのような継続中のプラットフォーム試験において、オンライン誤差制御を適用することで、棄却された仮説数やタイプI誤り率にどのような変化が生じたか？

主な発見

• LOND手順はボンフェローニ補正と同等以上に多くの仮説を棄却でき、しばしば高い感度を達成するが、シミュレーションのあらゆる状況で妥当なFWER制御を維持する。
• バッチ化検定設定では、BatchPRDSがLONDを上回り、同等または高い感度と分散的検出力を提供し、FWERは名目水準以下に維持される。
• オンライン手法は補正なしの検定に比べてFWERを顕著に低減する一方で、特に有効な治療群数が中程度の状況ではボンフェローニ補正に比べて有意な検出力の向上を実現する。
• 共有コントロール群に起因する正の依存関係下でも、BatchPRDSのFWER上昇リスクは低く、プラットフォーム試験環境において特に頑健である。
• STAMPEDE事例研究では、より緩いαを用いた場合を除き、オンライン手法は補正なしの検定に比べて直接的な棄却数の増加には寄与しなかったが、それに伴うFWER上昇を回避した。
• オンラインアルゴリズムの性能は、有効な治療群数、検定順序、および想定される上限N_boundに強く依存しており、文脈に応じたアルゴリズム選択が不可欠であることが示された。