薬物開発

科学分野:

• 生物統計学
• 臨床試験デザイン
• 神経変性疾患

背景:

• アルツハイマー病の臨床試験は、訪問およびエンドポイント全体で比例的かつ一貫した治療効果を示します。
• 最後の訪問のみを使用した従来の混合効果反復測定モデル（MMRM）は統計的に非効率的です。
• ベースライン後訪問からの縦断データをより良く活用するためにMMRMを再考する必要があります。

研究 の 目的:

• アルツハイマー病の臨床試験のための代替統計モデルを提案および評価する。
• 複数のベースライン後訪問を活用して統計的効率を改善する。
• 臨床試験のサンプルサイズ要件を削減する。

主な方法:

• アルツハイマー病の臨床試験（例：Clarity-AD、TRAILBLAZER-ALZ 2）からの半現実的な臨床試験データのシミュレーション。
• 示されたモデルには、MMRM-multiple-visits、比例MMRM、立方スプラインMMRM、および比例立方スプラインMMRMが含まれます。
• 複数のエンドポイントを使用したグローバルテスト統計を調査しました。

主要な成果:

• 複数の訪問にわたる治療効果の推定により、サンプルサイズを20％以上削減できます。
• MMRM-multiple-visitsはMMRM-Last-Visitの自然な拡張であり、主要な分析方法として使用できます。
• 代替モデルの長所と短所を評価しました。

結論:

• アルツハイマー病の疾患修飾治療は、早期かつ一貫した効果を示すことがよくあります。
• 複数の訪問を利用するモデルは、サンプルサイズを大幅に削減し、薬物開発を加速することができます。
• 将来の臨床試験では、感度分析のためにMMRM-Last-Visitを使用し、主要な分析としてマルチビジットモデルを採用することが推奨されます。