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
Alessandria Struebing1, Chelsea McKibbon2, Haoyao Ruan2
1Daiichi Sankyo Europe, Munich, 81379, Germany.
Journal of comparative effectiveness research
|April 4, 2024
概括
在非小细胞肺癌 (NSCLC) 试验中,贝叶斯借用 (BB) 方法从真实数据 (RWD) 中增强了外部控制臂 (ECA). 虽然RWD ECA努力复制试验结果,但BB提高了对比疗效估计的精度.
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.


