Robust and Data-Adaptive Integration of Nonconcurrent Data in Platform Trials via Gaussian Processes

Technische Zusammenfassung: Robuste und datenadaptive Integration nicht-konkurrenter Daten in Plattformstudien mittels Gaußscher Prozesse

Problemstellung
Plattformstudien bieten ein effizientes Design zur gleichzeitigen Bewertung mehrerer Behandlungen unter einem einzigen Masterprotokoll. Die statistische Inferenz in diesen Studien steht jedoch vor einer kritischen Spannung zwischen Effizienz und Validität. Traditionelle robuste Methoden beschränken die Analyse auf „gleichzeitig randomisierte" Teilnehmer – also solche, die während Zeiträume rekrutiert wurden, in denen alle verglichenen Behandlungen verfügbar waren –, um Verzerrungen durch zeitliche Trends (z. B. Verschiebungen in Patientengruppen oder dem Standard der Versorgung) zu vermeiden. Während dies die Validität sicherstellt, verwirft es „nicht-konkurrente" Daten (typischerweise aus Kontrollarmen, die vor der Einführung eines neuen Behandlungsarms rekrutiert wurden), was zu einem Verlust an statistischer Power und Präzision führt.

Bestehende Ansätze zur Einbeziehung nicht-konkurrenter Daten leiden häufig unter Einschränkungen: Ihnen fehlen möglicherweise formal definierte kausale Schätzziele, sie verlassen sich auf parametrische Modelle, die entweder zu simpel oder undurchsichtig sind, oder sie hängen von starken Annahmen wie der bedingten Austauschbarkeit ab. Darüber hinaus bieten viele Methoden keine transparenten Mechanismen dafür, wie einzelne Beobachtungen zur finalen Schätzung beitragen, was es schwierig macht zu diagnostizieren, ob das Einbeziehen von Informationen in einer spezifischen Anwendung vorteilhaft oder schädlich ist.

Methodik
Die Autoren schlagen ein flexibles, interpretierbares Gauß-Prozess-(GP-)Rahmenwerk vor, das entwickelt wurde, um nicht-konkurrente Daten unter Kontrolle von Verzerrungen einzubeziehen. Die Methodik basiert auf kausaler Inferenz und maschinellem Lernen und zielt auf das von Qian et al. (2025) definierte „vollständig gleichzeitig eligible" (ECE)-Schätzziel ab.

1. Rahmenwerk und Schätzziel:
   Das Ziel-Schätzziel ist der Kontrast zwischen den erwarteten potenziellen Ergebnissen für zwei Behandlungen innerhalb der ECE-Population (Personen, die während Perioden, in denen beide Behandlungen verfügbar sind, für beide Behandlungen eligible waren). Das Rahmenwerk nutzt die Rekrutierungszeit als kritische Kovariable und nutzt die „zeitliche Glätte" aus, die in Plattformstudien inhärent ist, da sich Patientverteilungen im Laufe der Zeit allmählich entwickeln.

2. Gauß-Prozess-Modelle:

   • Single-Task-GP: Passt einen separaten GP für jeden Behandlungsarm an und modelliert die Ergebnisverlaufskurve als latente Funktion der Rekrutierungszeit plus Rauschen. Dies erfasst die zeitliche Glätte über eine Kernel-Funktion (z. B. quadratisch-exponentiell oder Matérn).
   • Multi-Task-GP: Zerlegt Ergebnisse in eine gemeinsame Basisfunktion (gemeinsam über alle Arme) und eine Behandlungseffekt-Funktion. Diese Struktur nutzt die Tatsache aus, dass sich zwar die Basisrisiken im Laufe der Zeit verschieben können, Behandlungseffekte jedoch oft relativ stabil bleiben. Das Modell verwendet einen zusammengesetzten Kernel, um sowohl die Varianz innerhalb der Arme als auch die Kovarianz zwischen den Armen zu erfassen.

3. Schätzung und Inferenz:
   Das Rahmenwerk passt den GP unter Verwendung aller eligible Teilnehmer (konkurrent und nicht-konkurrent) an, mittelt den Behandlungseffekt-Schätzwert jedoch nur über die gleichzeitig eligible Population. Dies verankert das Schätzziel in der ECE-Definition, erlaubt es jedoch nicht-konkurrenten Daten, die GP-Anpassung adaptiv zu informieren. Die Inferenz erfolgt mittels Bayesschem Bootstrap, um sowohl die Posterior-Ungewissheit als auch die Stichprobenvariabilität zu berücksichtigen.

4. Frequentistische Interpretation:
   Die Autoren stellen eine Verbindung zwischen dem GP-Posterior-Mittelwert und der Kernel-Ridge-Regression (KRR) her. Dies ergibt eine transparente frequentistische Interpretation, bei der der Schätzer eine gewichtete lineare Kombination der beobachteten Ergebnisse ist. Die Gewichte hängen von den Kernel-Hyperparametern und der Nähe der Rekrutierungszeiten ab und quantifizieren explizit den Beitrag nicht-konkurrenter Daten.

5. Erweiterungen:
   Das Rahmenwerk wird erweitert, um diskrete Ergebnisse (binär oder zählend) über verallgemeinerte lineare Modelle mit Likelihoods der Exponentialfamilie zu behandeln und um Anpassungen an Basis-Kovariables durch additive oder Produkt-Kernel vorzunehmen.

Wichtige theoretische Garantien
Die Arbeit etabliert zwei primäre theoretische Ergebnisse bezüglich der Eigenschaften der vorgeschlagenen Schätzer:

• Varianzreduktion: Die Einbeziehung nicht-konkurrenter Kontrollen reduziert nachweislich die Posterior-Varianz sowohl des Ergebnismittels (Single-Task) als auch der Behandlungseffekt-Funktion (Multi-Task). Dies gilt, weil die Bedingung eines Gauß-Prozesses auf zusätzliche Variablen die bedingte Varianz niemals erhöht.
• Verzerrungskontrolle: Die durch nicht-konkurrente Daten eingeführte Verzerrung ist durch eine Größe begrenzt, die nicht zunimmt, wenn nicht-konkurrente Kontrollen hinzugefügt werden. Obwohl die Verzerrung selbst nicht garantiert abnimmt, ist die Schranke nicht-steigend, was sicherstellt, dass die Effizienzgewinne nicht auf Kosten einer unkontrollierten Verzerrungsinflation erzielt werden, sofern das Arbeitsmodell angemessen ist.

Ergebnisse
Die Autoren validieren die Methode durch Simulationsstudien und eine Anwendung auf reale Daten:

• Simulationen: In einer simulierten Plattformstudie mit zwei Rekrutierungsfenstern zeigten die vorgeschlagenen GP-Methoden (sowohl Single-Task als auch Multi-Task) eine überlegene Leistung im Vergleich zu Benchmarks nur mit konkurrenten Daten (ANOVA, ANHECOVA) und anderen nicht-konkurrenten Methoden (Bayesian Time Machine, LR-EW).
  • Der Multi-Task-GP, der alle Daten einbezog, erreichte einen kleineren Standardfehler (0,395) als jede Methode nur mit konkurrenten Daten (z. B. 0,420 für ANHECOVA) und behielt eine nahezu nominale Abdeckung (94,4 %) bei.
  • Konkurrierende Methoden zeigten erhebliche Nachteile: Die Bayesian Time Machine zeigte eine hohe Sensitivität gegenüber der Prior-Spezifikation mit zu weiten Credible-Intervallen, während das lineare Modell mit Anpassung an das Rekrutierungsfenster (LR-EW) bei nichtlinearen zeitlichen Trends unter Verzerrung litt.
  • Selbst unter misspezifizierten Bedingungen (plötzliche zeitliche Verschiebungen) behielten die GP-Methoden eine kontrollierte Verzerrung bei und übertrafen die Konkurrenten, obwohl die Abdeckung leicht abnahm.
• Anwendung auf reale Daten: Die Methode wurde auf eine hypothetische Plattformstudie angewendet, die aus der SURMOUNT-1-Adipositas-Studie konstruiert wurde. Die GP-Methoden, die nicht-konkurrente Kontrollen einbezogen, reduzierten die Varianz innerhalb der Imputationen um 12–16 % im Vergleich zu Analysen nur mit konkurrenten Daten, bei stabilen Punktschätzungen, was auf erfolgreiche Effizienzgewinne ohne Einführung signifikanter Verzerrungen hindeutet.

Bedeutung und Behauptungen
Die Arbeit behauptet, eine prinzipielle Lösung für den Trade-off zwischen Effizienz und Validität in Plattformstudien anzubieten. Durch die Nutzung der zeitlichen Glätte der Rekrutierung ermöglicht das vorgeschlagene GP-Rahmenwerk eine robuste Integration nicht-konkurrenter Daten, ohne wertvolle Informationen zu verwerfen. Zu den wichtigsten Beiträgen gehören:

• Transparenz: Die Verbindung zur Kernel-Ridge-Regression liefert explizite Gewichte für jede Beobachtung, sodass Forscher den Einfluss nicht-konkurrenter Daten diagnostizieren können.
• Theoretische Strenge: Die Etablierung von Varianzreduktion und nicht-steigenden Verzerrungsschranken bietet eine formale Garantie für die Robustheit der Methode.
• Flexibilität: Das Rahmenwerk berücksichtigt verschiedene Ergebnistypen und Kovariable-Anpassungen und geht über die Einschränkungen früherer parametrischer oder nichtparametrischer Ansätze hinaus.
• Implementierung: Die Autoren bieten eine Implementierung im R-Paket RobinCID an, die die praktische Anwendung erleichtert.

Die Autoren kommen zu dem Schluss, dass die Methode zwar die Schätzungseffizienz verbessert, es jedoch unerlässlich bleibt, zeitliche Trends zu untersuchen, da der Grad des Einbeziehens und die potenzielle Verzerrung von der Gültigkeit der Glätte-Annahme abhängen. Die Arbeit behauptet nicht, Verzerrungen vollständig zu eliminieren, sondern sie innerhalb einer nicht-steigenden Schranke zu kontrollieren, während gleichzeitig die Varianz signifikant reduziert wird.