薬物開発

科学分野:

• 臨床試験
• 統計モデリング
• 神経障害

背景:

• 反復測定のための混合モデル（MMRM）は、神経学的試験の標準ですが、カテゴリカルな受診時間には苦労します。
• 従来のMMRMは、予定外の受診に対応できず、データの損失につながり、統合研究を制限します。
• 既存のMMRM手法は、ワイヤレスモニタリングからの高密度で連続的なデータには適していません。

研究 の 目的:

• 時間を連続変数として扱う新しい線形BスプラインMMRM（LB-MMRM）を導入します。
• LB-MMRMの性能を、従来のMMRMおよび立方スプラインMMRMと比較評価します。
• 特に神経疾患の縦断的臨床試験データの分析を強化します。

主な方法:

• 時間を連続的にモデル化するために線形Bスプライン基底を使用したLB-MMRMを開発しました。
• 予定外の受診と様々な試験スケジュールをLB-MMRMフレームワークに組み込みました。
• アルツハイマー病の進行を模倣したシミュレーションデータを使用して、LB-MMRMを標準MMRMおよび立方スプラインMMRMと比較しました。

主要な成果:

• LB-MMRMは、予定された受診のみを分析した場合、標準MMRMと同じ結果をもたらします。
• 提案されたモデルは、治療効果の推定を簡略化し、立方スプラインモデルよりも明確な解釈を提供します。
• シミュレーション結果は、モデル間の比較性能を包括的に示します。

結論:

• LB-MMRMは、臨床的および規制上の使用のために、従来のMMRMの堅牢な拡張機能を提供します。
• 予定外の受診と多様なスケジュールに対応するモデルの能力は、複雑な試験におけるその適用性を高めます。
• LB-MMRMは、現在の制限に対処する、縦断的データ分析のための有望で直感的な代替手段を提示します。