[论文解读] Adaptive Survival Trials

Dominic Magirr, Thomas Jaki+2 more|arXiv (Cornell University)|May 7, 2014

Statistical Methods in Clinical Trials参考文献 30被引用 5

一句话总结

本文提出了一种新颖的自适应生存试验设计，可在严格控制第一类错误的同时，纳入所有观察到的事件时间——与现有方法可能忽略早期入组患者的数据不同。通过在加权逆正态组合检验中采用保守假设，该方法维持了错误率控制，并提高了数据利用效率，尤其适用于癌症试验中的长期生存分析。

ABSTRACT

Mid-study design modifications are becoming increasingly accepted in confirmatory clinical trials, so long as appropriate methods are applied such that error rates are controlled. It is therefore unfortunate that the important case of time-to-event endpoints is not easily handled by the standard theory. We analyze current methods that allow design modifications to be based on the full interim data, i.e., not only the observed event times but also secondary endpoint and safety data from patients who are yet to have an event. We show that the final test statistic may ignore a substantial subset of the observed event times. Since it is the data corresponding to the earliest recruited patients that is ignored, this neglect becomes egregious when there is specific interest in learning about long-term survival. An alternative test incorporating all event times is proposed, where a conservative assumption is made in order to guarantee type I error control. We examine the properties of our proposed approach using the example of a clinical trial comparing two cancer therapies.

研究动机与目标

• 为解决现有自适应生存试验方法中忽略早期入组患者事件时间的局限性，避免数据效率低下。
• 开发一种在使用所有可用生存数据（包括随访被删失患者的）的同时，仍能严格控制第一类错误的统计方法。
• 为具有时间至事件终点的优效性试验提供一种实用且灵活的替代方案，尤其适用于多臂或自适应富集设计。
• 通过癌症治疗试验的实例，评估该方法的运行特征，并与现有方法进行比较。

提出的方法

• 使用加权逆正态组合检验统计量，将第一阶段和第二阶段分析的p值按预设权重进行合并。
• 对生存数据与次要终点数据的联合分布施加保守假设，以确保第一类错误控制。
• 将所有观察到的事件时间纳入最终检验统计量，避免了以往方法中常见的数据损失。
• 采用条件误差函数和布朗运动近似，计算原假设下的错误率。
• 通过逆正态方法推导临界边界，以适应期中设计的调整。
• 通过模拟和理论推导验证该方法，表明其在各种期中适应情景下均具有稳健性。

实验结果

研究问题

• RQ1 能否构建一种完全自适应的生存试验设计，使其在严格控制第一类错误的同时，使用所有观察到的事件时间？
• RQ2 为何基于期中对数秩统计量的现有自适应方法无法利用早期入组患者的资料？其后果是什么？
• RQ3 与 Jenkins 等人（2011）和 Irle 与 Schäfer（2012）提出的方法相比，该方法在检验效能和错误率控制方面表现如何？
• RQ4 保守假设对方法的效率和在真实世界试验中的实际适用性有何影响？
• RQ5 在何种场景下（如多臂试验或自适应富集试验）该方法能展现出明显优势？

主要发现

• 所提出的方法通过针对生存数据与次要终点数据联合分布的保守假设，确保了严格的第一类错误控制。
• 与以往方法不同，该方法使用了所有观察到的事件时间，包括最早入组患者的事件时间，从而提高了数据效率。
• 即使期中设计修改基于完整的期中数据（包括非盲的安全性和次要终点信息），该方法仍保持了稳健的运行特征。
• 模拟结果表明，该方法实现了名义上的第一类错误率，同时在效能上优于那些忽略早期事件数据的方法。
• 该方法在长期生存试验中尤为有利，因为早期数据对长期结局的估计至关重要。
• 该方法适用于多臂试验和自适应富集设计等复杂场景，但需仔细规划以管理入组与分析的时间安排。