[论文解读] Elastic Integrative Analysis of Randomized Trial and Real-World Data for Treatment Heterogeneity Estimation

Shu Yang, Gao, Chenyin+2 more|arXiv (Cornell University)|May 21, 2020

Advanced Causal Inference Techniques参考文献 24被引用 5

一句话总结

本文提出了一种弹性整合分析方法，结合随机试验（RT）和真实世界（RW）数据，以估计具有已知效应修饰因子的治疗效果异质性。通过使用预检来评估RW数据的可比性，该方法在RT数据和整合估计之间自适应选择，即使在局部备择假设下也能实现更高的效率和有效的推断，同时通过数据自适应的阈值选择实现最优均方误差和良好的覆盖率。

ABSTRACT

We propose a test-based elastic integrative analysis of the randomized trial and real-world data to estimate treatment effect heterogeneity with a vector of known effect modifiers. When the real-world data are not subject to bias, our approach combines the trial and real-world data for efficient estimation. Utilizing the trial design, we construct a test to decide whether or not to use real-world data. We characterize the asymptotic distribution of the test-based estimator under local alternatives. We provide a data-adaptive procedure to select the test threshold that promises the smallest mean square error and an elastic confidence interval with a good finite-sample coverage property.

研究动机与目标

• 解决当随机试验（RT）因样本量小、缺乏多样性而统计功效不足时，估计治疗效果异质性（HTE）的挑战。
• 利用大规模、多样化的现实世界（RW）数据，提升估计效率，同时考虑潜在的选择偏倚和混杂因素的影响。
• 提出一种基于检验的方法，以决定是否纳入RW数据，确保在RW数据存在偏倚时仍具稳健性。
• 为预检提供数据自适应的阈值选择，以最小化均方误差，并确保置信区间在小样本下的良好覆盖率。
• 通过准确估计已知效应修饰因子定义的患者亚组中治疗效果的差异，支持精准医学的应用。

提出的方法

• 基于RT设计提出一种预检，利用半鞅有效得分推导的检验统计量，评估RW数据与RT样本的可比性。
• 构建一种基于检验的估计器，根据预检结果在仅使用RT和RT+RW整合估计之间切换。
• 刻画在局部备择假设下预检估计器的渐近分布，以实现有效的推断。
• 提出一种数据自适应程序，选择最优的预检显著性水平，以最小化均方误差。
• 通过调整预检决策和估计器的非正规性，开发一种弹性置信区间，以改善小样本下的覆盖率。
• 利用半鞅理论，在RT中可转移性和强不可忽略性假设下，确保估计的效率和稳健性。

实验结果

研究问题

• RQ1 当真实世界数据可能存在偏倚时，能否通过整合真实世界数据与随机试验来提升治疗效果异质性估计的效率？
• RQ2 如何检验真实世界数据是否足够可比，以证明其可纳入分析？
• RQ3 预检对治疗效果异质性估计量和置信区间的有限样本性能有何影响？
• RQ4 在真实世界数据存在未知偏倚的情况下，如何选择最优的预检阈值以最小化均方误差？
• RQ5 能否构建一种置信区间，即使在预检决策具有随机性且估计器为非正规的情况下，仍能保持良好的覆盖率？

主要发现

• 当真实世界数据无偏且可比时，所提出的预检估计器比仅使用RT的估计器具有更高的效率。
• 当RW数据存在偏倚时，预检估计器的覆盖率显著下降（例如，在b=0.57时降至63.6%），表明标准Wald推断对预检估计器的失效。
• 数据自适应的阈值选择程序在真实世界数据存在不同偏倚水平时，均能有效最小化均方误差。
• 弹性置信区间即使在非正规性条件下，仍能保持良好的有限样本覆盖率（例如，在b=0.57时约为94%），优于标准Wald区间。
• 模拟结果表明，仅使用RT的估计器保持了名义覆盖率（约94.4%），而未经检验直接使用RW数据的朴素Eff估计器的覆盖率随偏倚增加而恶化。
• 在对IB期非小细胞肺癌辅助化疗的真实数据应用中，该方法通过利用NCDB队列数据，更精确地估计了肿瘤大小作为效应修饰因子的作用，同时通过预检保持了结果的有效性。