使用贝叶斯借款增加外部控制臂:一线非小细胞肺癌的案例研究

科学领域:

• 在瘤学瘤学.
• 生物统计学 生物统计学
• 卫生经济学 卫生经济学

背景情况:

• 现实世界数据 (RWD) 在临床试验中为外部控制臂 (ECA) 提供了潜力.
• 增加RWD的ECA带来了挑战,包括未测量的混和数据异质性.
• 贝叶斯借用 (Bayesian borrowing,BB) 是一种将外部信息纳入分析的统计方法.

研究的目的:

• 评估贝叶斯借用 (BB) 方法的应用,以增强由真实世界数据 (RWD) 构建的外部控制臂 (ECA).
• 通过基于RWD的ECA解决挑战,改善一线非小细胞肺癌 (NSCLC) 的比较有效性估计.
• 评估BB在缓解偏差和提高使用历史临床试验数据时的精度方面的实用性.

主要方法:

• 使用RWD (ConcertAI Patient360TM) 为一线NSCLC随机对照试验 (RCT) 构建了一个ECA.
• 采用枢机性匹配,使患者的特征在治疗臂和ECA之间保持一致.
• 应用贝叶斯借款 (BB) 在韦布尔比例危险模型下具有静态功率,借款权重从0.0到1.0.不等.

主要成果:

• 来自RWD的ECA没有复制来自匹配的RCT群体的整体存活率 (OS) 估计.
• 纳入BB降低了ECA中的OS危险比率 (HR),使其更接近RCT的发现.
• 通过BB通过历史控制增加RCT对照臂,提高了HR估计的精度.

结论:

• 基于RWD的ECA可能无法完全复制RCT结果,原因是未测量的混和数据变异.
• 贝叶斯借用 (BB) 可以提高比较有效性估计的精度.
• 当有合适的外部数据可用时,BB显示出作为偏差评估工具的潜力,并可以解决传统方法的局限性.