[论文解读] interAdapt -- An Interactive Tool for Designing and Evaluating Randomized Trials with Adaptive Enrollment Criteria

Aaron Fisher, Harris A. Jaffee+1 more|arXiv (Cornell University)|Apr 2, 2014

Statistical Methods in Clinical Trials参考文献 6被引用 4

一句话总结

interAdapt 是一个 R 包和交互式 Shiny 应用程序，使研究人员能够设计和评估具有动态入组标准的自适应随机化试验，并在统计功效、样本量和试验时长方面与标准组序设计进行比较。它表明，自适应设计可在提高效率的同时同时实现多个试验目标，如在一项卒中治疗试验的模拟中所示。

ABSTRACT

The interAdapt R package is designed to be used by statisticians and clinical investigators to plan randomized trials. It can be used to determine if certain adaptive designs offer tangible benefits compared to standard designs, in the context of investigators' specific trial goals and constraints. Specifically, interAdapt compares the performance of trial designs with adaptive enrollment criteria versus standard (non-adaptive) group sequential trial designs. Performance is compared in terms of power, expected trial duration, and expected sample size. Users can either work directly in the R console, or with a user-friendly shiny application that requires no programming experience. Several added features are available when using the shiny application. For example, the application allows users to immediately download the results of the performance comparison as a csv-table, or as a printable, html-based report.

研究动机与目标

• 开发一个用户友好的工具，用于设计和评估具有动态入组标准的自适应随机化试验。
• 在统计功效、预期样本量和预期试验时长方面，将自适应设计与标准组序设计进行性能比较。
• 支持临床研究者和统计学家在特定约束和目标下选择最优试验设计，尤其是在先前证据表明不同亚组间治疗效果存在差异时。
• 通过 R 控制台和 Shiny 网页应用程序提供易于访问的界面，无需编程专业知识。
• 使用户能够上传先前研究数据，保存输入参数，并将结果导出为 CSV 或可打印的 HTML 报告。

提出的方法

• interAdapt R 包基于 Rosenblum 等人（2013）提出的自适应增补设计，实现了一个计算框架，结合了组序设计和自适应增补特征。
• 采用两阶段、多臂试验结构，共 K=5 个阶段，入组标准可在中期分析后根据累积数据进行调整。
• 核心函数 compute_design_performance 在不同亚组的治疗效果假设下模拟试验结果，使用预设参数，如亚组比例（π₁, π₂）、对照组结局率（p₁c, p₂c）和治疗效果。
• 该方法支持在 α=0.025 水平下控制家庭误差率，且通过 Rosenblum 等人（2013）的理论结果保证了强误差率控制。
• Shiny 应用程序允许用户交互式输入参数，可视化亚组2中一系列治疗效果下的统计功效曲线（默认范围：[-0.2, 0.2]），并以多种格式导出结果。
• 该软件支持在多种情景下基于模拟评估试验性能，包括亚组间疗效相等、疗效差异和零效应的情景。

实验结果

研究问题

• RQ1 自适应入组设计是否能在保持强家庭误差率控制的前提下，实现多个假设的更高统计功效？
• RQ2 在相同试验目标下，自适应设计的预期样本量和试验时长与标准组序设计相比如何？
• RQ3 在先前证据表明不同亚组间治疗效果存在差异的情况下，自适应设计能在多大程度上提高试验效率？
• RQ4 像 interAdapt 这样的交互式工具是否能帮助研究人员在无需高级编程技能的情况下设计复杂的自适应试验？
• RQ5 亚组2中治疗效果的变化如何影响自适应设计与标准设计在不同试验情景下的统计功效？

主要发现

• 在情景 (a) 中，自适应设计（AD）对全局零假设（H₀C）的统计功效达到 80%，此时两个亚组的治疗效果均为 12.5%。
• 在情景 (b) 中，自适应设计对亚组特异性零假设（H₀₁）的统计功效达到 80%，此时亚组1的治疗效果为 12.5%，亚组2为 0%。
• 在所有情景中，家庭误差率均被强控制在 0.025 的设计要求水平。
• 标准设计 SC 对 H₀C 达到了 80% 的统计功效，但未满足亚组特异性功效目标（ii）；而标准设计 SS 对 H₀₁ 有统计功效，但对 H₀C 没有。
• 自适应设计的预期样本量高于单独的标准设计，但实现了所有三个试验目标的同步达成，表明在效率与目标完整性之间存在权衡。
• 基于 Rosenblum 等人（2013）的默认参数设置，软件性能最优，其中 k*=3，n^(1)=280，n^(2)=148，δ=-0.5，停止边界 aC=0.09，fAD,1=fAD,2=0。