如何在使用自然史数据的SCA2患者试验中提高统计能力?
Maylis Tran1, Pierre-Emmanuel Poulet2, Emilien Petit2
1Sorbonne University, Paris Brain Institute (ICM), INSERM, INRIA, CNRS, APHP, Paris, France. maylis.tran@icm-institute.org.
新的统计方法提高了罕见疾病的临床试验能力. 临床试验预测推断 (PPCT) 和类似的方法通过使用自然史数据来更好地估计治疗效果,从而减少样本大小的需求.
科学领域:
- 临床试验方法论 临床试验方法论
- 神经退行性疾病 神经退行性疾病
- 统计建模 统计建模
背景情况:
- 随机对照试验 (RCT) 是标准的,但由于患者人数较少,在罕见的神经退行性疾病中面临道德和后勤挑战.
- 在罕见疾病试验中,有限的样本大小可以降低统计能力,使得难以检测治疗效应.
研究的目的:
- 通过应用先进的统计方法来提高罕见神经退行性疾病临床试验的统计能力.
- 评估新的方法,包括用于临床试验的预测驱动推断 (PPCT),预后共变量调整和混合增强反向概率权重 (H-AIPW),使用ATRIL研究数据来评估2型脊髓小脑动症 (SCA2) 的数据.
主要方法:
- 在自然历史数据上使用疾病课程映射训练了一种进展模型,以预测疾病进展.
- 应用PPCT,预后共变量调整和H-AIPW到ATRIL试验数据,将其性能与经典变异进行比较.
- 利用来自美国和欧洲队列 (EUROSCA,SPATAX,CRC-SCA) 的外部患者数据来训练进展模型.
主要成果:
- 疾病过程映射准确地预测了预后得分,对预测为期一年的SARA得分进展的相关性约为0.15.
- 与经典方法 (0.407) 相比,PPCT,预后共变量调整和H-AIPW方法在治疗效果估计中的差异较小 (0.342-0.348).
- PPCT可以将所需的样本大小减少14.5% (6名患者),以39名患者而不是45名患者实现相同的差异.
结论:
- 先进的统计方法如PPCT,预后共变量调整和H-AIPW可以显著提高统计能力或减少罕见神经退行性疾病试验中的样本大小要求.
- 通过这些方法利用外部自然史数据可以提高临床试验的效率,这对于患者人数有限的疾病至关重要.
- 虽然ATRIL试验关于瑞卢效能的结论保持不变,但这些方法为未来的研究提供了更有效的试验设计的途径.
更多相关视频
06:28E-Patient Counseling Trial E-PACO: Computer Based Education versus Nurse Counseling for Patients to Prepare for Colonoscopy
Published on: August 1, 2019
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
相关概念视频
Comparing the Survival Analysis of Two or More Groups
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
Cancer Survival Analysis
Assumptions of Survival Analysis
Actuarial Approach
Consider the example of a high-risk surgical procedure with significant early-stage mortality. A two-year clinical study is conducted,...
Clinical Trials: Overview
