Mitigating the Winner's Curse While Controlling Multiplicity: e-Process Methods for Anytime-Valid Inference in Dose-Ranging Trials

Resumen Técnico: Mitigación de la Maldición del Ganador mientras se controla la Multiplicidad en Ensayos de Rango de Dosis

Planteamiento del Problema
Los ensayos de fase II de rango de dosis suelen implicar la aleatorización de $K$ dosis activas frente a un control concurrente y el análisis repetido de los datos acumulados para identificar una dosis con un efecto clínicamente significativo. Esta práctica estándar introduce dos desafíos estadísticos distintos:

1. La Maldición del Ganador (Optimismo de Selección): Seleccionar la dosis con el mayor efecto observado ($\hat{\delta}_{\max}$) crea un sesgo al alza. Incluso si los estimadores individuales son insesgados, el máximo de $K$ estimadores está optimísticamente sesgado porque fue seleccionado por ser grande.
2. Multiplicidad: La comprobación repetida de los datos a lo largo del tiempo (análisis intermedios) y entre múltiples dosis infla la tasa de error Tipo I. Las correcciones de multiplicidad estándar (por ejemplo, la prueba de Dunnett) controlan el error en observaciones fijas, pero no tienen en cuenta el sesgo del máximo seleccionado, mientras que las correcciones de sesgo no otorgan intrínsecamente la licencia para realizar "vistazos" (peeking) repetidos a los datos.

El artículo aborda la necesidad de un procedimiento que proporcione inferencia válida en cualquier momento (anytime-valid inference): un método que controle la tasa global de error Tipo I (la probabilidad de declarar falsamente un "go" o decisión de avance) en cualquier momento de parada arbitrario, mientras simultáneamente corrige el optimismo inherente a la selección de la mejor dosis actual.

Metodología
Los autores proponen un nuevo marco estadístico basado en e-procesos y la identidad de la prima de selección. La innovación central es tratar la "maldición del ganador" no solo como un sesgo que debe restarse, sino como una deriva predecible que debe tenerse en cuenta en un marco de prueba basado en martingalas.

1. La Identidad de la Prima de Selección:
   El método utiliza una función de "prima de selección", $sp_L(u)$, que cuantifica la ganancia esperada de un paso al retener la opción de cambiar al líder (el mejor candidato actual) tras observar un nuevo ruido.

   • Sea $S_{t,k}$ el ruido centrado acumulado para la dosis $k$ en el paso $t$.
   • La prima de selección se define como $sp_L(u) = E[\max_k(u_k + \eta_k)] - \max_k u_k$, donde $\eta$ representa la distribución del siguiente incremento de ruido.
   • Esta prima representa el "valor de la opción" de esperar a ver si una dosis diferente se convierte en la líder.

2. La Referencia de Margen Igual:
   Para calcular la prima sin conocer los efectos reales subyacentes, el método utiliza un modelo de referencia de "margen igual" donde todas las dosis tienen el mismo efecto $\delta$. Los autores demuestran que la prima de selección bajo esta configuración de margen igual sirve como un envolvente conservador para el optimismo esperado bajo cualquier configuración heterogénea de efectos reales de dosis. Esto permite al procedimiento cobrar una "tarifa de selección" que es válida independientemente de la forma real de la respuesta a la dosis.

3. Construcción del E-Proceso:
   El procedimiento construye un proceso residual corregido $R_t(\delta)$:
   $$R_t(\delta) = G_t(\delta) - A_t(\delta)$$
   Donde:

   • $G_t(\delta)$ es el puntaje acumulado (mejor efecto bruto menos el margen candidato $\delta$).
   • $A_t(\delta) = \sum_{s=1}^t a_s(\delta)$ es la carga de selección acumulada, donde $a_s$ es la prima de selección calculada en cada paso basándose en el estado actual (específicamente, el número de líderes empatados).
   • Al restar esta deriva ascendente predecible ($A_t$), el proceso residual $R_t$ se convierte en una supermartingala con deriva no positiva.

4. Regla de Decisión Válida en Cualquier Momento:
   El método convierte el proceso residual corregido en un e-proceso $E_t(\delta)$ utilizando una mezcla de media normal sobre un parámetro de apuesta $\lambda$. La regla de decisión para declarar un "go global" (que el mejor efecto real $\delta^*$ supera un margen clínico $\delta_0$) es:
   $$\hat{\delta}_{\max, t} \geq \delta_0 + \frac{A_t(\delta_0)}{n_t} + \frac{q_\alpha(V_t; \rho)}{n_t}$$

   • $\hat{\delta}_{\max, t}$: Mejor efecto observado bruto.
   • $A_t(\delta_0)/n_t$: La carga de selección (corrigiendo la maldición del ganador).
   • $q_\alpha(V_t; \rho)/n_t$: El margen de monitorización (corrigiendo las observaciones repetidas, derivado de la frontera del e-proceso).
   • $n_t$: Tamaño de muestra acumulado por brazo.

   El artículo proporciona implementaciones específicas para resultados gaussianos (usando integración numérica o Monte Carlo para la prima) y resultados binarios (utilizando una solución de forma cerrada basada en el número de líderes empatados, $r_t$).

Contribuciones Clave

• Corrección Unificada: El artículo separa el control del error Tipo I (vía la frontera del e-proceso) de la corrección del sesgo de selección (vía la carga de selección), aunque los unifica en una única regla de decisión.
• Prima Dependiente del Estado: A diferencia de las correcciones estáticas, la carga de selección es dinámica. Es alta cuando las dosis están empatadas (alta incertidumbre sobre el ganador) y decae a cero una vez que emerge un líder único, reflejando el decreciente "valor de la opción" de cambiar.
• Secuencias de Confianza Válidas en Cualquier Momento: Al invertir la prueba para todos los márgenes candidatos $\delta$, el método genera una secuencia de confianza inferior válida en cualquier momento para $\delta^*$ (el mejor efecto real), asegurando que el límite inferior converja al verdadero mejor efecto a medida que el tamaño de la muestra aumenta.
• Robustez: El método no depende de modelos de respuesta a la dosis paramétricos (como Emax o logísticos) ni de supuestos de tendencia, lo que lo hace aplicable a ensayos exploratorios donde la forma de la respuesta a la dosis es desconocida.

Resultados y Rendimiento

• Control del Error Tipo I: Los estudios de simulación confirman que la regla propuesta controla estrictamente la tasa de error Tipo I (probabilidad de un falso "go") al nivel nominal $\alpha$ (por ejemplo, 0.05) incluso bajo monitorización continua y tiempos de parada arbitrarios. En contraste, aplicar umbrales de observación fija (como la prueba de Dunnett) a observaciones intermedas no planificadas resulta en una severa inflación del error Tipo I (hasta un 24% en las simulaciones).
• Potencia y Eficiencia: El método demuestra una potencia razonable para detectar efectos que superan el margen clínico. Aunque la "carga de selección" impone un costo temprano en el ensayo (cuando los empates son comunes), este costo desaparece asintóticamente a medida que surge un líder único.
• Resultados Binarios: Para variables de desenlace binarias, el método es computacionalmente eficiente, requiriendo solo el recuento de líderes empatados para calcular la carga de selección. Las simulaciones muestran que el procedimiento identifica correctamente la decisión de "go" cuando el efecto real es suficientemente grande, con el suelo de la confianza inferior convergiendo al verdadero mejor efecto.
• Comparación: El método propuesto se compara con e-procesos de brazos individuales (armwise union e-processes) y pruebas de max-z de observación fija. Mientras que los e-procesos de brazos individuales pueden ofrecer una potencia ligeramente superior en algunos escenarios, el método propuesto ofrece una ventaja distintiva al modelar explícitamente el proceso de selección del máximo en lugar de probar los brazos de forma independiente.

Significado y Reivindicaciones
El artículo afirma proporcionar una solución matemáticamente explícita y operativamente transparente para la prueba de actividad a nivel de programa en ensayos de rango de dosis.

• Alcance: El método está diseñado para probar si al menos una dosis en el rango supera un margen clínico y para proporcionar un límite inferior para el mejor efecto real.
• Limitaciones: Los autores declaran explícitamente que el método no identifica la verdadera mejor dosis (localización), ni proporciona estimaciones insesgadas para el efecto de la dosis seleccionada. No reemplaza el modelado de la respuesta a la dosis, las evaluaciones de seguridad o las evaluaciones de beneficio-riesgo.
• Valor: La contribución principal es la capacidad de realizar decisiones "conscientes del sesgo del ganador" en diseños de ensayos adaptativos y flexibles sin inflar el error Tipo I. La carga de selección actúa como un "libro contable" que cuantifica el costo del optimismo, asegurando que una decisión de "go" solo se tome cuando la evidencia bruta sea robusta tras haber pagado tanto por la selección del ganador como por la monitorización repetida de los datos.

El artículo concluye que este enfoque ofrece un marco riguroso para la inferencia válida en cualquier momento en entornos donde el "ganador" se selecciona dinámicamente, cerrando la brecha entre la corrección del sesgo de selección y la prueba de hipótesis secuencial.