E9(R1) STATISTICAL PRINCIPLES FOR CLINICAL TRIALS: ADDENDUM: ESTIMANDS AND SENSITIVITY ANALYSIS IN CLINICAL TRIALS part 2#
4. IMPACT ON TRIAL DESIGN AND CONDUCT#
임상시험설계와 Estimand
한 Estimand에 적합한 설계가 다른 Estimands에는 적합하지 않을 수 있으므로, 임상시험의 설계는 그 시험의 목표를 반영하는 Estimand를 기반으로 해야함
Estimand에 대한 명확한 정의가 필요, 시험 디자인에 대한 정보 제공
포함 및 제외 기준
프로토콜에 따른 허용/금지된 치료 및 약물
데이터 수집 방법
데이터 수집
항상 모든 데이터를 수집하는 것은 불가능
참여자를 강제로 시험할 수 없음
일부 임상 시험은 설계상 불가피하게 데이터가 누락될 수 있음
치료 중단, 치료 변경 또는 추가 약물 사용과 같은 ICE 이후에도 데이터가 수집될 수 있음 (즉, 환자가 치료를 중단했더라도 환자의 건강상태를 추적할 수 있음, 항상 관련이 있거나 유용하지는 않음)
사망과 같은 경우, 사건 후 변수를 측정할 수 없으나 이는 누락으로 간주해서는 안됨
누락된 데이터
누락된 데이터는 통계적 추론에 문제를 일으킴
분석의 타당성 하락
누락된 데이터의 비율에 따라 견고성 하락될 수 있음
“왜 데이터가 누락되었는지”에 대한 이유를 미리 계획적으로 수집하면, 분석의 정확성을 높이고 누락된 데이터에 대한 보다 타당한 해석이 가능
연락 두절로 인한 데이터 누락 : “추적불가”로 간주될 수 있지만 원인이 치료의 효능 부족으로 인한 치료 중단이라면 구체적인 이유가 기록될 수 있음
ICE로 분류되는 경우, ICE를 고려한 전략을 구성할 수 있음
누락되지 않게 조치할 수 도 있음
ICE를 줄이거나 피하려는 조치는 연구의 외적 타당도를 감소시킴
임상 시험의 기본 요소
무작위 배정과 눈가림 방법
특정 추정량은 Run-in or Enrichment Designs, Randomized Withdrawal Designs, Titration Designs과 같은 특정한 임상 시험 설계를 필요로 함
예를 들어, “실행 전(run-in) 기간”을 이용하여 특정 치료를 잘 받아들이는 대상군을 미리 식별한 후, 치료군과 대조군 사이에 무작위 배정하는 것이 유용할 수 있음
실행 전(run-in) 기간이 목표 대상군을 정확하게 식별하는지, 그리고 후속 시험 디자인이 목표 치료 효과를 잘 추정하는지 검토해야함, 이 검토에 따라 특정 시험 방법이 제한될 수 있음
표본 수
특정한 치료 효과에 대한 정확한 정의에 기반하여 표본 수를 계산해야함
이전 연구를 참조할 땐, 해당 연구가 다른 estimand를 기반으로 한 치료 효과를 보고했는지 주의 깊게 확인 할 필요가 있음
모든 대상자의 정보가 분석에 사용되며 ICE도 고려된 상태에서 표본 크기를 계산한다면 참가자의 중도 탈락률을 고려하여 표본 수를 늘릴 필요는 없음
임상 시험 간 데이터 요약
임상 시험 간의 데이터를 요약할 때, 관심 변수에 대한 일관된 정의가 필요
여러 시험의 데이터를 임의로 비교하거나 통합하는 것은 잘못된 해석을 초래할 수 있으므로 각 통계 분석에서 대상이 되는 Estimand를 명확히 지정해야 함
5. IMPACT ON TRIAL ANALYSIS#
A. Main Estimation#
모든 분석 방법은 가정에 의존하며, 동일한 Esimand를 다룸에도 불구하고 서로 다른 가정에 의존할 수 있다는 점에 유의
모든 가정은 명시적이고 타당하게 기술되어야 하며 민감도 분석을 통해 결과의 타당성을 평가
Treatment policy strategy에서 ICE 이후에도 대상자가 계속 추적되면 데이터 누락 문제는 상대적으로 작을 것
ICE 이후에 관찰이 중단되면, 관찰이 중단된 대상자의 결과가 계속 치료받는 대상자의 결과와 비슷하다는 가정이 타당하지 않을 수 있음 → 누락된 데이터를 처리하는 적절한 방법을 찾아야하며, 민감도 분석을 통해 이를 확인해야함
Hypothetical strategy의 목적은 특정 개입의 잠재적 영향을 이해하고 이를 연구에서 관찰된 실제 결과와 비교하는 것
실제로 관찰된 것과 다른 결과를 포함하므로 강력한 가정 하에서만 가능한 분석
유용한 도구가 될 수 있지만 분석의 한계를 인식하고 결과를 주의깊게 해석하는 것이 중요
Composite variable strategy은 ICE를 하나의 outcome으로 고려하므로 ICE 발생 후의 데이터에 대한 통계적 가정을 필요로 하지 않음
가정보다는 치료효과의 해석에 주의해야함 (ex. 사망 vs 부작용으로 인한 치료중단)
While on treatment strategy을 기반으로하는 Estimand는 outcome이 ICE까지 수집된 경우 추정가능
치료 효과의 정확한 해석을 위해 임상적 특성을 고려 (ex. 치료 중단 → 치료가 환자의 상태를 개선시킬 수 있지만, 동시에 치료는 부작용으로 인해 치료 기간 단축을 유발하거나 상태 악화로 치료 기간을 연장시킬 수 있음을 고려해야함)
Principal stratum strategy은 일반적으로 강력한 가정이 필요
일부 계층화 방법들은 대상자의 기본 특성을 토대로 계층화하여 가정하는데, 가정의 정확성이 항상 보장되는 것은 아님
ICE가 치료와 관련이 없다고 가정하더라도, ICE가 없는 치료군의 대상자와 ICE가 없는 대조군의 대상자를 비교하는 것과 같은 단순화된 방법 또한 정당화하기 어려움
관련이 있는 데이터에 대해 수집을 실패한 것과 관련이 없는 데이터에 대해 수집하지 않은 것을 구분해야함
누락된 경우, 분석에서 누락된 데이터를 처리하기 위한 가정이 필요, 이러한 가정들은 임상적으로 타당해야하며 Estimand를 정의할 때 사용된 방법을 따라야함
누락된 데이터를 처리하는 한가지 방법 : 유사한 다른 대상자의 공변량을 사용하는 것
B. Sensitivity Analysis#
Role of Sensitivity Analysis
민감도 분석은 특정 추정치를 기반으로 한 결론이 얼마나 견고한지를 평가
규제 결정(regulatory decision-making)과 라벨링을 위해 모든 추정치의 추정기에 대한 민감도 분석을 계획해야함
주요 추정기를 뒷받침 하는 통계적 가정은 꼭 문서화
추정치가 해당 가정에서 편차에 견고한지 평가하기 위해, 같은 추정치를 중점으로 한 개 이상의 분석이 미리 지정되어야함
Choice of Sensitivity Analysis
분석의 여러 가정을 동시에 변경하면 어느 부분 때문에 결과가 달라졌는지 명확히 알기 어려움 → 각 분석에서 어떤 가정이 변경됐는지 명시하는 것이 중요
특정 추정치에 관련된 누락된 데이터와 추정치에 관련이 없는 데이터를 구별함으로써 민감도 분석에서 어떤 가정을 검토해야할지 결정할 수 있음
C. Supplementary Analysis#
Supplementary analysis(보충 분석)은 민감도 분석과 구별되며, 데이터를 완전하게 조사하고 이해하기 위해 수행
평가에서 민감도 분석보다 우선순위가 낮음
FAS와 PPS 기반의 일관된 결과는 시험 결과에 대한 신뢰도를 높이므로 이들을 기반으로 분석 계획을 수립하여 이들 간의 차이를 논의하고 해석하는 것을 권장
하지만 PPS를 기반으로 한 결과는 프로토콜을 잘 따른 대상자만을 고려하는 특성상 심각한 편향이 있을 수 있음
6. DOCUMENTING ESTIMANDS AND SENSITIVITY ANALYSIS#
임상시험을 계획할 때 주요 목표와 부차적 목표에 따라 어떤 결과를 추정할지(estimand)와 어떻게 추정할지(estimator)를 미리 정의하고, 그 가정이 타당한지 검증하는 민감도 분석을 포함해야 함.
Primary Estimand가 정해지면 이를 기반으로 임상시험의 디자인, 실행 및 분석 방식이 정해지는데 모든 고려사항을 연구 프로토콜에 문서화하는 것이 중요
주요 분석, 민감도 분석 및 보충분석의 결과를 체계적으로 보고 (분석이 사전에 지정되었는지, 시험이 눈가림 상태에서 도입되었는지, 사후에 수행되었는지, ICE의 수와 시기)
시험중에 Estimand를 변경하는 것은 문제, 신뢰도 하락
Estimand에 변화가 있으면 일반적으로 프로토콜을 수정하여 변화를 반영해야함