📊 Statistik

A Bayesian Alternative to the Two One-Sided Tests (TOST) Procedure: State of the Art and a Proposal for a Generalized Bayesian Equivalence Model

Dieses Paper schlägt das Generalized Bayesian TOST mit Power-Discounted Priors (GBT-PP) vor, ein einheitliches Framework, das die Einschränkungen des klassischen TOST-Verfahrens überwindet, indem es historische Daten aus sowohl kontinuierlichen als auch diskreten Quellen formal integriert und abstimmbar diskontiert, während es fünf originäre theoretische Ergebnisse etabliert und reproduzierbare R-Implementierungen für Äquivalenztests bereitstellt.

Ursprüngliche Autoren: Antonio Monleon-Getino

Veröffentlicht 2026-10-13

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Antonio Monleon-Getino

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

In der Welt der medizinischen Forschung stehen Wissenschaftler oft vor einer Frage, die das Gegenteil der üblichen ist. Anstatt zu fragen, ob eine neue Behandlung anders als eine alte ist, fragen sie, ob sie praktisch dieselbe ist. Dies ist der Kern der Äquivalenzprüfung, eines statistischen Werkzeugs, das entscheidend ist, um zu beweisen, dass ein Generikum genauso gut wirkt wie eine Markenversion oder dass ein neues Biosimilar sicher anzuwenden ist. Jahrzehntelang war die Standardmethode, um diese Frage zu beantworten, ein Verfahren namens „Two One-Sided Tests“, oder TOST. Dieser Ansatz fungt wie ein strenger Torwächter: Er prüft, ob der Unterschied zwischen zwei Behandlungen klein genug ist, um in eine vorab vereinbarte „Zone praktischer Gleichheit“ zu fallen. Wenn die Daten vollständig in diese Zone passen, werden die Behandlungen als äquivalent erklärt. Obwohl diese Methode einfach und weit verbreitet ist, hat sie einen erheblichen blinden Fleck. Sie kann nicht leicht in die Vergangenheit zurückblicken, um aus vergangenen Studien zu lernen, noch kann sie eine direkte Wahrscheinlichkeit angeben, dass die Behandlungen tatsächlich gleich sind. Sie sagt lediglich basierend auf den aktuellen Daten „Ja“ oder „Nein“, wobei sie einen Reichtum an historischen Belegen ignoriert, die Regulierungsbehörden und Forscher zunehmend nutzen wollen.

Ein Forscher an der Universität Barcelona, Antonio Monleón-Getino, hat einen neuen Weg vorgeschlagen, um dieses Problem zu lösen. Er entwickelte ein Framework namens „Generalized Bayesian TOST with Power-Discounted Priors“. Betrachten Sie dies als eine intelligentere, flexiblere Version des alten Torwächters, die in der Lage ist, der Geschichte zuzuhören, ohne von ihr beherrscht zu werden. Die neue Methode ermöglicht es Wissenschaftlern, Daten aus früheren Studien einzubeziehen, sei es, dass diese Daten aus kontinuierlichen Messungen wie Blutdruckwerten oder aus Zählungen von Erfolgen wie geheilten Patienten stammen. Die zentrale Innovation ist ein „Discounting“-Mechanismus (Abschlag-Mechanismus). Dieser fungiert wie ein Lautstärkeregler für die Vergangenheit. Wenn die alten Daten sehr zuverlässig sind, wird der Regler aufgedreht, und die neue Analyse stützt sich stark auf sie. Wenn die alten Daten unsicher oder aus einem anderen Kontext sind, wird der Regler heruntergedreht, damit die neue Studie für sich selbst sprechen kann. Dieser Ansatz vereint zwei verschiedene Arten von Daten in einer einzigen Entscheidungsregel und löst damit eine langjährige Lücke, in der Forscher für verschiedene Arten von Informationen getrennte, inkompatible Werkzeuge verwenden mussten.

Die Arbeit schlägt diese Idee nicht nur vor, sondern beweist auch, wie sie sich unter verschiedenen Bedingungen verhält. Der Autor zeigt, dass mit der Erhebung mehr neuer Daten der Einfluss der alten Daten natürlich abnimmt, was sicherstellt, dass die endgültige Entscheidung immer durch die aktuellsten Belege getrieben wird. Dies ist eine entscheidende Sicherheitsfunktion, die eine häufige Sorge adressiert, dass die Abhängigkeit von der Geschichte die Ergebnisse verzerren könnte. Die Forschung etabliert zudem eine präzise Formel dafür, wie viel kleiner eine neue Studie sein kann, wenn sie die Stärke aus vergangener Arbeit leiht, und quantifiziert genau, wie viele Teilnehmer so eingespart werden können. Darüber hinaus identifiziert das Paper eine subtile Falle bei der Durchführung dieser Berechnungen: Wenn die mathematischen Annahmen über die Vergangenheit zu vage sind, kann die Methode fälschlicherweise eine starke Evidenz für Äquivalenz behaupten, selbst wenn die Daten nichts aussagen. Der Autor liefert eine klare Regel zur Vermeidung dessen, indem er darauf besteht, dass die Annahmen über die Vergangenheit fest und spezifisch festgelegt sein müssen, bevor die Studie beginnt.

Um die Methode zu testen, führte der Autor zwei detaillierte Beispiele durch. In einem Szenario, das kontinuierliche Messungen betraf, zeigte die neue Methode, dass mit zunehmender Gewichtung der historischen Daten die Zuversicht in die Äquivalenz stetig und vorhersehbar wuchs. In einem zweiten Szenario mit Heilungsraten demonstrierte die Methode eine lebenswichtige Realitätsprüfung: Wenn die historische Heilungsrate tatsächlich schlechter war als die aktuelle, machte das Anlehnen an diese Historie die neue Behandlung schlechter erscheinend, nicht besser. Dies beweist, dass das System ehrlich ist; es begünstigt die Vergangenheit nicht blind, sondern integriert sie akkurat, unabhängig davon, ob diese Integration die Argumentation für die Äquivalenz unterstützt oder schwächt. Das Paper führt zudem eine neue mathematische Abkürzung ein, die es ermöglicht, diese komplexen Berechnungen durchzuführen, ohne auf massive Computersimulationen angewiesen zu sein, was die Methode schneller und leichter prüfbar macht.

Letztendlich bietet diese Arbeit einen rigorosen, einheitlichen Weg für Forscher, die die Gleichheit nachweisen müssen. Sie überbrückt die Kluft zwischen den alten, starren Regeln der statistischen Testung und dem modernen Wunsch, alle verfügbaren Belege zu nutzen. Indem sie einen Weg bereitstellt, vergangenes Wissen formal einzubeziehen und gleichzeitig die endgültige Entscheidung fest in den aktuellen Daten zu verankern, gibt das neue Framework Regulierungsbehörden und Wissenschaftlern ein klareres, ehrlicheres Bild davon, ob zwei Behandlungen tatsächlich äquivalent sind. Das Paper schließt mit dem Schluss, dass dieser Ansatz bereit für die praktische Anwendung ist und ein reproduzierbares Werkzeug bietet, das sofort in Bioäquivalenzstudien und anderen kritischen Forschungsbereichen eingesetzt werden kann, in denen der Nachweis der Abwesenheit eines Unterschieds genauso wichtig ist wie der Nachweis seiner Präsenz.

Technisches Resümee: Ein Bayes-alternatives Verfahren zum Two One-Sided Tests (TOST)

Problemstellung
Äquivalenzprüfung ist eine kritische statistische Aufgabe in der Bioäquivalenz, der Biosimilar-Entwicklung und der Reproduzierbarkeitsforschung, mit dem Ziel nachzuweisen, dass ein Effekt innerhalb eines vordefinierten vernachlässigbaren Intervalls $(-\delta, \delta)$ liegt. Die standardmäßige frequentistische Lösung, das Two One-Sided Tests (TOST)-Verfahren, weist drei primäre Einschränkungen auf:

Mangel an probabilistischer Interpretation: Es liefert eine binäre Ablehnungs-/Nicht-Ablehnungsentscheidung anstatt einer direkten Wahrscheinlichkeitsaussage über die Lage des Parameters innerhalb der Äquivalenzregion.
Unfähigkeit zur Integration historischer Evidenz: Es besitzt keinen nativen Mechanismus, um historische Daten (z. B. aus früheren Bioäquivalenzstudien oder historischen Kontrollhäufigkeiten) formal zu integrieren, obwohl dies regulatorisch gefördert wird.
Asymmetrie: Wie die Standard-Nullhypothesen-Signifikanzprüfung stellt das Nicht-Ablehnen der TOST-Nullhypothese keine positive Evidenz für Äquivalenz dar; das Verfahren bleibt in solchen Fällen stumm.

Obwohl Bayes-Alternativen existieren (z. B. Region of Practical Equivalence [ROPE]-Ansätze und Interval-Null-Bayes-Faktoren) und Methoden zur historischen Datennutzung existieren (z. B. Power-Priors), mangelt es der Literatur an einem einheitlichen, praktisch implementierbaren Rahmen, der gleichzeitig sowohl kontinuierliche als auch frequenzbasierte (Zähl-) historische Daten mit einem expliziten, abstimmbaren Diskontierungsmechanismus handhabt. Zudem fehlten bislang geschlossene theoretische Eigenschaften für solche integrierten Modelle weitgehend.

Methodik: Generalisiertes Bayes-TOST mit Power-diskontierten Priors (GBT-PP)
Das Paper schlägt das GBT-PP vor, ein Modell, das konjugierte Aktualisierung mit Power-Priors und einer dualen Entscheidungsregel vereint.

Prior-Elicitation und Diskontierung: Das Modell akzeptiert historische Daten in zwei Formen:
- Kontinuierlich: Zusammengefasst als Mittelwert ( $\bar{x}_0$ ), Standardabweichung ( $s_0$ ) und Stichprobengröße ( $n_0$ ).
- Frequenzbasiert: Zusammengefasst als Erfolge ( $s_0$ ) und Misserfolge ( $f_0$ ) in $n_0$ Versuchen.
- Power-diskontierte Priors: In Anlehnung an Ibrahim und Chen (2000) werden die historischen Likelihoods mit einer Potenz $w \in [0, 1]$ $w \in [0, 1]$ versehen. Dieses Gewicht $w$ $w$ fungiert als ein präregistrierter, fester Diskontierungsfaktor.
  - Für kontinuierliche Daten resultiert dies in einem Normal-Prior mit einer um $1/w$ skalierten Varianz.
  - Für Frequenzdaten resultiert dies in einem Beta-Prior, bei dem die historischen Zählwerte mit $w$ skaliert werden.
- Das Modell legt $w$ bewusst fest, anstatt es hierarchisch zu schätzen, um technische Pathologien im Zusammenhang mit unnormalisierten Power-Priors zu vermeiden (Neuenschwander et al., 2009).
Posterior-Aktualisierung:
- Der kontinuierliche Fall nutzt die Normal-Normal-Konjugiertheit.
- Der Frequenzfall nutzt die Beta-Binomial-Konjugiertheit.
- Die Posterior-Verteilung kombiniert den power-diskontierten historischen Prior mit der Likelihood der aktuellen Studie.
Duale Entscheidungsregel: Äquivalenz wird nur deklariert, wenn beide der folgenden Bedingungen erfüllt sind:
1. Posterior-Wahrscheinlichkeit ( $P_{eq}$ ): Die Posterior-Wahrscheinlichkeitsmasse innerhalb der Äquivalenzregion $E = (-\delta, \delta)$ überschreitet einen Schwellenwert $\gamma$ (z. B. 0,95).
2. Interval-Null-Bayes-Faktor ( $BF_{01}$ ): Der Bayes-Faktor, der die Intervall-Null $H_0: \theta \in E$ gegen $H_1: \theta \notin E$ vergleicht, überschreitet einen Schwellenwert $BF^*$ (z. B. 3).
- Entscheidendes Designmerkmal: Der $BF_{01}$ wird mittels eines Hybrid-Ansatzes berechnet. Die Posterior-Wahrscheinlichkeit $P_{eq}$ wird aus dem power-diskontierten Prior abgeleitet (abhängig von $w$ ), während die Prior-Wahrscheinlichkeit $\pi_{eq}$ im Nenner des Bayes-Faktors unter einem separaten, festen, präregistrierten Referenz-Prior berechnet wird (unabhängig von $w$ ). Diese Entkopplung verhindert, dass der Jeffreys–Lindley-Paradoxon den Bayes-Faktor trivialerweise gegen $+\infty$ treibt, wenn der Prior immer diffuser wird.
Approximation für Frequenzdaten: Für den Fall zweier Proportionen, bei dem die Posterior-Äquivalenzwahrscheinlichkeit keine geschlossene Form besitzt, schlägt das Paper eine deterministische Edgeworth-Expansion (Proposition 6) vor, die eine schiefe-korrigierte Alternative zur Monte-Carlo-Simulation bietet.

Wesentliche theoretische Beiträge
Das Paper etabliert fünf originäre theoretische Ergebnisse für das GBT-PP, die in Anhang C vollständig bewiesen werden:

Monotonie des Posterior-Mittelwerts (Proposition 1): Der Posterior-Mittelwert $\theta_n(w)$ ist monoton in Bezug auf das Diskontierungsgewicht $w$ . Die Richtung der Verschiebung hängt strikt von der Diskrepanz zwischen dem historischen Mittelwert und dem aktuellen Schätzwert ab, gesteuert durch das Verhältnis ihrer Präzisionen.
Asymptotische Konsistenz (Theorem 2 & Korollar 3): Unabhängig vom festen Gewicht $w$ konvergiert die GBT-PP-Entscheidungsregel mit zunehmender Stichprobengröße $n \to \infty$ in Wahrscheinlichkeit gegen das klassische TOST-Verfahren. Dies zeigt formal, dass das historische Borrowing asymptotisch „unschädlich“ ist und die aktuellen Daten letztlich die Inferenz dominieren.
Jeffreys–Lindley-Typus-Paradoxon (Theorem 4): Das Paper charakterisiert ein Paradoxon, bei dem der Bayes-Faktor, falls der verwendete Referenz-Prior für die Bayes-Faktor-Komponente zunehmend diffuser wird, unabhängig von den Daten gegen $+\infty$ divergiert. Dieses Ergebnis erfordert die Design-Empfehlung, dass die Varianz des Referenz-Priors fix und präregistriert sein muss, anstatt beliebig groß werden zu dürfen.
Geschlossene Formel für die Stichprobengröße (Korollar 5): Eine Formel wird hergeleitet, um die erforderliche aktuelle Stichprobengröße zu berechnen, um eine Ziel-Posterior-Äquivalenzwahrscheinlichkeit zu erreichen. Sie quantifiziert explizit die Anzahl der Beobachtungen, die durch das Borrowing historischer Informationen „eingespart“ wurden ( $\Delta n^*$ ), ausgedrückt in Einheiten der Varianz der aktuellen Studie.
Edgeworth-Approximation (Proposition 6): Eine Edgeworth-Expansion erster Ordnung wird für die Posterior-Äquivalenzwahrscheinlichkeit im Fall zweier Proportionen bereitgestellt, was eine deterministische, prüfbare Alternative zu Monte-Carlo-Methoden mit expliziter Schiefe-Korrektur bietet.

Ergebnisse und Illustrationen
Die Methodik wird durch zwei Anwendungsbeispiele illustriert:

Kontinuierliche Bioäquivalenz: Zeigt, dass eine Erhöhung von $w$ den Posterior-Mittelwert in Richtung des historischen Mittelwerts zieht und sowohl $P_{eq}$ als auch $BF_{01}$ monoton erhöht, wenn die historischen Daten Äquivalenz unterstützen.
Frequenzbasierte Heilungsraten: Zeigt, dass, wenn die historischen Daten weniger günstig (weiter vom Komparator entfernt) sind als die aktuellen Daten, eine Erhöhung von $w$ die Wahrscheinlichkeit der Äquivalenz tatsächlich verringern kann. Dies verdeutlicht, dass Borrowing nicht inhärent vorteilhaft ist; es hängt von der Übereinstimmung der historischen und aktuellen Schätzungen ab. Die Edgeworth-Approximation zeigt, dass sie die Monte-Carlo-Schätzungen über den Bereich von $w$ hinweg eng verfolgt.

Bedeutung und Ansprüche
Das Paper beansprucht, eine spezifische methodische Lücke zu schließen, indem es einen einheitlichen Rahmen bietet, der kontinuierliche und frequenzbasierte historische Daten symmetrisch innerhalb einer einzigen Entscheidungsregel behandelt. Seine Bedeutung liegt in:

Praktischer Implementierbarkeit: Es bietet einen reproduzierbaren, geschlossenen (oder deterministisch approximierten) Ansatz, der die Abhängigkeit von komplexem hierarchischem Modeling oder reiner Simulation für Sensitivitätsanalysen vermeidet.
Theoretischer Stringenz: Es liefert die erste geschlossene Charakterisierung von Monotonie, asymptotischer Konsistenz, Paradoxon-Verhalten und Stichproben-Einsparungen speziell für den power-diskontierten Intervall-Null-Kontext.
Regulatorischer Relevanz: Es adresset den Bedarf an Werkzeugen, die verschiedene Arten historischer Evidenz (analytisch/pharmakokinetisch vs. klinische Ereignisraten) formal kombinieren können, im Einklang mit der sich entwickelnden regulatorischen Guidance (z. B. FDA 2026 Draft Guidance) hin zu Justification-First- und Evidence-Integrating-Frameworks.

Der Autor positioniert GBT-PP nicht als Ersatz für alle hierarchischen Borrowing-Methoden (wie kommensurate Priors), sondern als minimalen, transparenten und theoretisch fundierten Baseline-Ansatz, der den Trade-off zwischen historischem Einfluss und aktuellen Daten durch ein festes, prüfbares Gewicht $w$ explizit verwaltet.

Technisches Resümee: Ein Bayes-alternatives Verfahren zum Two One-Sided Tests (TOST)

Mehr davon