[论文解读] Point estimation for adaptive trial designs I: A methodological review.

D. S. Robertson, Babak Choodari‐Oskooei+4 more|arXiv (Cornell University)|May 18, 2021

Statistical Methods in Clinical Trials被引用 3

一句话总结

本文综述了在自适应临床试验设计中减少或消除点估计偏差的方法，重点关注各类自适应设计类型下的无偏与偏差减少估计量。文章对估计量进行了全面分类，比较了其特性，突出显示了现有软件工具，并指出了方法论上的空白，为统计学家设计和分析具有可靠效应估计的自适应试验提供了基础性资源。

ABSTRACT

Recent FDA guidance on adaptive clinical trial designs defines bias as "a systematic tendency for the estimate of treatment effect to deviate from its true value," and states that it is desirable to obtain and report estimates of treatment effects that reduce or remove this bias. The conventional end-of-trial point estimates of the treatment effects are prone to bias in many adaptive designs, because they do not take into account the potential and realized trial adaptations. While much of the methodological developments on adaptive designs have tended to focus on control of type I error rates and power considerations, in contrast the question of biased estimation has received relatively less attention. This article is the first in a two-part series that studies the issue of potential bias in point estimation for adaptive trials. Part I provides a comprehensive review of the methods to remove or reduce the potential bias in point estimation of treatment effects for adaptive designs, while part II illustrates how to implement these in practice and proposes a set of guidelines for trial statisticians. The methods reviewed in this article can be broadly classified into unbiased and bias-reduced estimation, and we also provide a classification of estimators by the type of adaptive design. We compare the proposed methods, highlight available software and code, and discuss potential methodological gaps in the literature.

研究动机与目标

• 为应对自适应临床试验中点估计偏差问题研究不足的问题，尽管已有越来越多关注于I类错误控制。
• 系统性地综述并分类现有文献中针对不同自适应设计类型的无偏与偏差减少估计方法。
• 评估所提出估计量的性能、计算可行性及软件可用性，以指导实际应用。
• 识别当前文献中的方法论空白，特别是关于置信区间构建以及估计量与假设检验兼容性方面的问题。
• 为第二部分奠定基础，后者将为试验统计学家提供实用指南和实现示例。

提出的方法

• 对自适应试验中点估计的方法学论文开展系统性文献回顾，重点聚焦于偏差校正与无偏估计。
• 根据自适应设计类型（如组序设计、多臂多阶段设计、样本量再估计、自适应随机化、人群富集等）对估计量进行分类。
• 将方法分为两大类：(1) 无偏估计（例如，条件期望、逆概率加权、Rao-Blackwell化）；(2) 偏差减少估计（例如，收缩法、基于引导法的校正）。
• 从偏差、均方误差（MSE）、计算复杂度以及与频率学推断的兼容性等方面比较不同方法。
• 突出显示现有软件实现（例如，R 包如 'mams'）
• 识别当前方法的局限性，如复杂设计缺乏闭式解，以及与置信区间构建整合不足。

实验结果

研究问题

• RQ1 自适应试验中传统终点估计的点估计偏差主要来源于哪些方面？
• RQ2 哪些统计方法能有效在不同自适应设计类型下生成无偏或偏差减少的估计量？
• RQ3 不同估计量在各类自适应设计中的性能特征（偏差、MSE、计算成本）如何比较？
• RQ4 当前在偏差校正估计量的软件可用性与实现支持方面存在哪些限制？
• RQ5 如何设计估计量，使其与假设检验决策（包括提前终止）保持兼容？

主要发现

• 已有大量文献提出方法以校正自适应试验中点估计的偏差，尤其针对组序设计、多臂多阶段设计及样本量再估计设计。
• 无偏估计量如条件期望和逆概率加权可完全消除偏差，但可能需要复杂的计算或对设计机制做出特定假设。
• 偏差减少估计量如收缩法和基于引导法的校正提供了实用替代方案，偏差较低且MSE可接受，但可能无法完全消除系统性偏离。
• 尽管方法学上有所进展，但支持这些估计量实现的软件仍显匮乏，限制了其在实际中的应用。
• 与偏差校正点估计兼容的置信区间构建方法仍发展不足，构成关键的方法论空白。
• 对于新型或复杂自适应设计，目前可能尚无既定的估计量，凸显了该领域仍需进一步研究。