[论文解读] The assessment and planning of non-inferiority trials for retention of effect hypotheses - towards a general approach

Matthias Mielke, Axel Munk|ArXiv.org|Dec 21, 2009

Meta-analysis and systematic reviews参考文献 37被引用 8

一句话总结

本文提出了一套通用的统计框架，用于在保留效应假设（RET）下规划和分析三臂非劣效性试验，采用Wald型检验并实现对试验组、对照组和安慰剂组的最优样本量分配。该框架提供了精确的方差公式、基于统计功效优化的样本量分配规则，并针对二项分布、泊松分布及其他参数型终点提供了R软件实现，同时在特定方差比和效应量下为分配规则提供了理论依据。

ABSTRACT

The objective of this paper is to develop statistical methodology for planning and evaluating three-armed non-inferiority trials for general retention of effect hypotheses, where the endpoint of interest may follow any (regular) parametric distribution family. This generalizes and unifies specific results for binary, normally and exponentially distributed endpoints. We propose a Wald-type test procedure for the retention of effect hypothesis (RET), which assures that the test treatment maintains at least a proportion $Δ$ of reference treatment effect compared to placebo. At this, we distinguish the cases where the variance of the test statistic is estimated unrestrictedly and restrictedly to the null hypothesis, to improve accuracy of the nominal level. We present a general valid sample size allocation rule to achieve optimal power and sample size formulas, which significantly improve existing ones. Moreover, we propose a general applicable rule of thumb for sample allocation and give conditions where this rule is theoretically justified. The presented methodologies are discussed in detail for binary and for Poisson distributed endpoints by means of two clinical trials in the treatment of depression and in the treatment of epilepsy, respectively. $R$-software for implementation of the proposed tests and for sample size planning accompanies this paper.

研究动机与目标

• 开发一种统一的统计方法，用于在保留效应假设（RET）下规划和评估三臂非劣效性试验，适用于任意正则参数分布族。
• 通过提供一个统一的框架，弥合现有方法的局限性，将二项分布、正态分布和指数分布的结论统一于同一假设结构之下。
• 推导出在RET假设下最大化统计功效并保持名义第一类错误率的最优样本量分配规则。
• 为样本分配提供理论依据和实用规则，尤其在检验组与对照组在原假设下效应相等的假设下。
• 通过R软件包支持实现，用于临床试验设计中的假设检验与样本量规划。

提出的方法

• 提出一种基于最大似然估计的Wald型检验统计量，用于检验RET原假设：$ H_0: h(\theta_T) - h(\theta_P) \leq \Delta \cdot (h(\theta_R) - h(\theta_P)) $，其中$ h $为参数的可微且严格单调的变换。
• 推导出检验统计量的两种方差估计量：一种无约束，另一种受限于原假设，以提高名义显著性水平的准确性。
• 基于Kullback-Leibler散度，推导出在原假设下Wald检验的精确渐近方差公式，以最小化方差并最大化功效。
• 提出一种基于Wald检验非非中心化参数的一般样本量公式，确保在给定功效和显著性水平下的最优分配。
• 推导出最优分配规则（如$ 1:\Delta:(1-\Delta) $），在原假设下最小化方差，并给出其优于平衡设计的理论条件。
• 通过在原假设下最小化加权Kullback-Leibler散度，为泊松分布终点情形提供解析解，得出最优组大小的显式公式。

实验结果

研究问题

• RQ1 如何为在保留效应假设下适用于任意正则参数族的三臂非劣效性试验，构建一个通用的统计框架？
• RQ2 在不同分布和效应量下，能最大化功效并保持名义第一类错误率的最优样本量分配规则是什么？
• RQ3 在何种条件下，分配方案$ 1:\Delta:(1-\Delta) $在方差和功效方面优于平衡分配$ 1:1:1 $？
• RQ4 如何在原假设下准确估计Wald检验统计量的方差？受限与无约束方差估计的影响是什么？
• RQ5 在何种理论条件下，所提出的样本量分配经验法则具有合理性，特别是与安慰剂组与试验组方差比的关系？

主要发现

• 在假设$ \theta_T^{(0)} = \theta_R^{(0)} $下，当方差比$ \sigma_{0,P}^2 / \sigma_{0,T}^2 < 2.73 $时，分配$ 1:\Delta:(1-\Delta) $的方差低于平衡分配$ 1:1:1 $，且渐近功效更高。
• 对于分配$ 2:2:1 $，当$ \sigma_{0,P}^2 / \sigma_{0,T}^2 < 2.12 $时，其方差小于$ 1:\Delta:(1-\Delta) $，表明在此条件下效率更高。
• 采用受限方差估计的所提出Wald型检验能更准确地保持名义第一类错误率，尤其在小至中等样本量下表现更优。
• 对于泊松分布终点，通过在原假设下最小化加权Kullback-Leibler散度，推导出最优分配的显式解析解，获得$ \lambda_{R,H_0} $、$ \lambda_{P,H_0} $和$ \lambda_{T,H_0} $的闭式表达式。
• 所提出的通用样本量公式通过引入精确的非非中心化参数和最优分配，显著优于现有近似方法。
• 所提供的R软件包可直接实现所提出的检验统计量和样本量规划，适用于二项分布、泊松分布及其他参数型终点的临床试验设计。