Accounting for overdispersion and clustering in binomial data from N-of-1 trials

Technische Zusammenfassung: Berücksichtigung von Überdispersion und Clustering in binomischen Daten aus N-of-1-Studien

Problemstellung
N-of-1-Studien sind patientenzentrierte, randomisierte, doppelblinde Crossover-Experimente, die dazu dienen, Interventionen für einzelne Patienten mit chronischen Erkrankungen zu evaluieren. Während das primäre Ziel darin besteht, die Wirksamkeit für einen spezifischen Patienten zu bestimmen, liegt ein erheblicher Wert in der Zusammenführung (Pooling) der Ergebnisse aus einer Gruppe von N-of-1-Studien, um populationsbezogene Schätzungen der Wirksamkeit zu erhalten und den Erfolg der Behandlungspersonalisierung zu bewerten. Dabei versagen Standardstatistische Methoden zur Zusammenführung binomischer Daten oft bei der Berücksichtigung zweier kritischer Merkmale, die für N-of-1-Designs inhärent sind:

1. Überdispersion (Overdispersion): Die Varianz der binären Ergebnisse übersteigt oft die Mittelwert-Varianz-Beziehung, wie sie durch die Standard-Binomialverteilung vorgegeben wird.
2. Hierarchisches Clustering: Messungen sind innerhalb von Patienten aufgrund wiederholter Behandlungsphasen korreliert (Intra-Patient-Korrelation).

Obwohl Bayes-Methoden bereits für diesen Kontext vorgeschlagen wurden, insbesondere für binäre Outcomes, mangelt es an frequentistischen Ansätzen, die sowohl Überdispersion als als auch Clustering gleichzeitig rigoros adressieren. Diese Arbeit schließt diese Lücke, indem sie zwei frequentistische analytische Strategien zur Zusammenführung binomischer Daten aus N-of-1-Studien präsentiert und vergleicht.

Methodik
Die Autoren schlagen zwei unterschiedliche frequentistische Ansätze vor, um die zusammengeführte Proportion ($\theta$) der Behandlungspräferenz oder des Erfolgs zu schätzen.

• Methode 1: Quasi-Likelihood-Ansatz (QL) (Nur Überdispersion)
  Dieser Ansatz modelliert die Daten unter Verwendung einer Beta-Binomial-Verteilung, um die Überdispersion ($\rho$) zu berücksichten, behandelt die Patienten jedoch hinsichtlich der Clustering-Struktur als unabhängige Einheiten.

  • Modell: $X_j \sim \text{BetaBinom}(n_j, \theta, \rho)$, wobei $X_j$ die Anzahl der Erfolge für Patient $j$ aus $n_j$ Episoden ist.
  • Schätzung: Die zusammengeführte Proportion $\theta$ wird mittels eines Quasi-Likelihood-Schätzers geschätzt: $\hat{\theta}_{QL} = \frac{\sum c_j X_j}{\sum c_j n_j}$, wobei die Gewichte $c_j$ vom Überdispersionsparameter $\rho$ abhängen.
  • Varianzschätzung: Standardfehler werden mittels der Jackknife-Methode abgeleitet, um Konsistenz zu gewährleisten.
  • Schätzung von $\rho$: Das Papier evaluiert mehrere Schätzer für den Intra-Cluster-Korrelationsparameter (ICC) $\rho$, darunter Analysis of Variance (AOV), Fleiss-Cuzick (FC), Pearson (PE), Extended Quasi-Likelihood (EQL), Pseudo-Likelihood (PL) und die Methode der Momente (MM). Die Autoren stellen fest, dass geschlossene Formeln für die Varianz einiger Schätzer (wie AOV) negative Werte oder Bias erzeugen können, weshalb sie sich auf die Jackknife-basierte Varianzschätzung zur Vergleichbarkeit verlassen.

• Methode 2: Random-Effects-Ansatz (Überdispersion und Clustering)
  Dieser Ansatz, adaptiert von Molenberghs et al., nutzt ein hierarchisches Random-Effects-Modell, um gleichzeitig für Überdispersion und die Korrelation zwischen den wiederholten Messungen innerhalb der Patienten zu berücksichtigen.

  • Modell: $X_j \sim \text{Binom}(n_j, \theta_j)$, wobei $\theta_j = \pi_j \kappa_j$. Hierbei berücksichtigt $\pi_j$ (modelliert via Beta-Verteilung) die verbleibende Überdispersion, und $\kappa_j$ (ein Random Effect, abgeleitet aus einer Normalverteilung) berücksichtigt das hierarchische Clustering.
  • Schätzung: Die Parameter werden mittels Maximum-Likelihood-Schätzung (ML) unter Verwendung numerischer Integration geschätzt. Die endgültige zusammengeführte Schätzung ergibt sich als Produkt der Erwartungswerte der Random-Komponenten: $\hat{\theta} = \hat{E}(\pi_j) \times \hat{E}(\kappa_j)$.
  • Approximation: Die Erwartung der Sigmoid-Funktion der Normalvariablen wird unter Verwendung einer Standardnormal-CDF mit einem Skalierungsfaktor ($\lambda \approx 0.588$) approximiert.

Simulationsstudie und Ergebnisse
Die Autoren führten eine Simulationsstudie mit 1.000 Iterationen durch, um die Leistung dieser Methoden unter verschiedenen Szenarien der wahren Proportion ($\theta$) und der Überdispersion ($\rho$) zu vergleichen, wobei die Stichprobengrößen (Anzahl der Patienten $J$ und Anzahl der Episoden pro Patient $n_j$) variiert wurden.

• Leistung der $\rho$-Schätzer: In Methode 1 wies der EQL-Schätzer für $\rho$ einen hohen mittleren quadratischen Fehler (MSE) und Bias auf, insbesondere wenn $\theta = 0.50$. Trotz der schlechten Performance des EQL-Schätzers für $\rho$ schnitt die resultierende Schätzung der zusammengeführten Proportion ($\hat{\theta}$) jedoch vergleichbar gut oder sogar besser als andere Schätzer ab. Die Autoren führen dies auf einen Kanseleffekt zurück, bei dem der Bias in $\hat{\rho}$ den Varianzbeitrag des $\rho$-Terms in der Delta-Methode-Expansion von $\text{Var}(\hat{\theta})$ reduziert.
• Leistung von Methode 1 vs. Methode 2:
  • MSE: Die Schätzer der Methode 1 zeigten im Allgemeinen stabile MSEs. Methode 2 zeigte in einigen Szenarien kompetitive MSEs, performte jedoch schlechter, wenn $\theta = 0.75$.
  • Coverage Probability (Abdeckwahrscheinlichkeit): Methode 1 hielt die Abdeckwahrscheinlichkeiten nahe dem nominalen 95%-Niveau in allen Szenarien ein. Methode 2 (Random Effects) zeigte signifikant schlechte Coverage (bis zu ~78%), wenn $\theta = 0.75$. Die Autoren führen dies auf die schiefe Stichprobenverteilung der Varianzschätzungen in verallgemeinerten linearen gemischten Modellen (GLMMs) zurück, was symmetrische Konfidenzintervalle in diesen spezifischen Szenarien ungeeignet macht.
• Effekte der Stichprobengröße: Eine Erhöhung der Anzahl der Patienten ($J$) reduzierte den MSE effektiver als eine Erhöhung der Anzahl der Episoden pro Patient ($n_j$).

Anwendung auf reale Daten
Die Methoden wurden auf drei Datensätze aus realen N-of-1-Studien angewendet:

1. Amitriptylin bei Fibromyalgie: Alle Methoden lieferten ähnliche zusammengeführte Präferenzschätzungen ($\hat{\theta} \approx 0.67$). Es wurde keine signifikante Überdispersion festgestellt (Konfidenzintervalle für $\rho$ schlossen Null ein).
2. NSAIDs vs. Paracetamol bei Osteoarthritis: Die Ergebnisse waren über alle Methoden hinweg konsistent ($\hat{\theta} \approx 0.42$ für den gesamten Diary-Score). Es wurde keine signifikante Überdispersion gefunden.
3. Theophyllin bei irreversibler CAL: Die zusammengeführten Schätzungen waren konsistent ($\hat{\theta} \approx 0.51$). Auch hier gab es keinen signifikanten Hinweis auf Überdispersion.

In allen realen Beispielen waren die Punktschätzungen der zusammengeführten Proportion über die verschiedenen Methoden hinweg bemerkenswert konsistent, trotz Variationen in den geschätzten Überdispersionsparametern.

Bedeutung und Ansprüche
Das Paper beansprucht, die ersten frequentistischen Methoden zur Zusammenführung binärer Daten aus N-of-1-Studien bereitzustellen, die explizit Überdispersion und hierarchisches Clustering adressieren.

• Methodischer Beitrag: Die Autoren führen einen Quasi-Likelihood-Rahmen für Überdispersion ein und adaptieren einen Random-Effects-Rahmen für gleichzeitige Überdispersion und Clustering.
• Interpretatorische Unterscheidung: Das Paper hebt einen konzeptionellen Unterschied zwischen den beiden Methoden hervor. Methode 1 liefert „populationsgemittelte“ (PA) Schätzungen, während Methode 2 „subjektspezifische“ (SS) Schätzungen liefert. Da N-of-1-Studien inhärent auf individuelle Unterschiede fokussiert sind, legen die Autoren nahe, dass die Interpretation von Methode 2 (SS) für den N-of-1-Kontext etwas angemessener sein könnte, trotz der höheren Rechenkomplexität und gelegentlicher Coverage-Probleme in schiefen Szenarien.
• Praktischer Nutzen: Die Studie zeigt, dass die Schätzung des Überdispersionsparameters ($\rho$) zwar instabil sein kann (insbesondere mit EQL), die resultierenden Schätzungen der zusammengeführten Proportion ($\hat{\theta}$) jedoch robust gegenüber verschiedenen Schätzstrategien sind. Die Autoren kommen zu dem Schluss, dass die Wahl der Methode in der praktischen Anwendung davon abhängt, ob das inferenzielle Ziel auf Populationsebene oder auf individueller Ebene liegt, und dass Methode 1 eine einfachere, robuste Alternative darstellt, wenn die Coverage-Eigenschaften von Methode 2 problematisch sind.