Covariate-Adaptive Sample Size Re-estimation for Population-Standardized Historical Control Designs in Single-Arm Trials

Resumen Técnico: Reestimación del Tamaño de la Muestra Covariable-Adaptativa para Diseños de Control Histórico Estandarizados por Población en Ensayos de Brazo Único

Planteamiento del Problema
Los ensayos de brazo único con controles externos se utilizan cada vez más cuando la aleatorización de controles es inviable, particularmente en enfermedades raras o entornos donde la asignación de controles concurrentes es ética o prácticamente difícil. Sin embargo, surge un desafío fundamental debido a los desequilibrios en las variables basales entre el brazo activo del ensayo y los datos del control histórico (por ejemplo, de registros o de ensayos previos). Estas diferencias en las características de los pacientes, el tiempo de calendario o los procedimientos de medición pueden causar que las diferencias simples en las medias de los resultados reflejen disparidades de la población o de la fuente de datos en lugar de efectos del tratamiento.

Aunque existen métodos como los puntajes de propensión (propensity scores), la G-computación y la ponderación de probabilidad inversa del tratamiento (IPTW) para ajustar la confusión, la planificación del tamaño de la muestra en estos contextos sigue siendo problemática. Los enfoques tradicionales suelen fijar el tamaño de la muestra basándose en supuestos de planificación respecto a la media y la varianza del control histórico. Sin embargo, cuando el estimando objetivo se define para la población realmente inscrita en el brazo activo, la media y la varianza estandarizadas del control se convierten en funciones explícitas de la distribución de covariables de la población inscrita. Si la población realmente inscrita se desvía de los supuestos de planificación, los diseños fijos pueden sufrir una pérdida de potencia o una inflación del error de Tipo I. Además, los métodos estándar de reestimación del tamaño de la muestra (SSR) suelen depender de parámetros de molestia (como la varianza) o de la potencia condicional basada en resultados intermedios, lo cual no es aplicable aquí porque los resultados del brazo activo no están disponibles durante la fase de inscripción para la reestimación.

Metodología
Los autores proponen un marco unificado de estimandos estandarizados por población combinado con una reestimación del tamaño de la muestra (SSR) ciega al resultado y adaptativa a las covariables.

1. Estimando Estandarizado por Población:

   • La población objetivo se define como los sujetos realmente inscritos en el ensayo de brazo único.
   • Un puntaje de equilibrio preespecificado $Z = s(X)$ (por ejemplo, un puntaje de participación en el ensayo) resume las diferencias de distribución entre el brazo activo y los controles históricos.
   • Los resultados del control histórico se estandarizan a la distribución del puntaje del brazo activo $F_{Z,A}$ utilizando IPTW. El parámetro de control $\eta_0(F_{Z,A})$ se define como el resultado esperado si la población realmente inscrita en el brazo activo hubiera recibido el tratamiento de control.
   • El estimando del efecto del tratamiento es $\Delta(F_{Z,A}) = \eta_1 - \eta_0(F_{Z,A})$, donde $\eta_1$ es el resultado del brazo activo.

2. Diseño y Reestimación del Tamaño de la Muestra:

   • Diseño Inicial: Se preespecifica una distribución de puntaje esperada para el brazo activo $F^{plan}_{Z,A}$. El tamaño de muestra requerido $N(F)$ se calcula basándose en la varianza del estimador del efecto del tratamiento, que incluye la varianza del parámetro de control estandarizado $\tau^2_0(F)$.
   • SSR Ciega al Resultado: Durante el ensayo, el método actualiza el tamaño de muestra requerido utilizando únicamente las covariables basales acumuladas de los sujetos inscritos, sin utilizar los resultados del brazo activo.
   • En los momentos de revisión preespecificados, se calcula la distribución de puntaje empírica $\hat{F}_{Z,A,n}$. El parámetro de control estandarizado $\hat{\eta}_0(\hat{F}_{Z,A,n})$ y el tamaño de muestra requerido $N_{re}(n)$ se recalculan.
   • Se proponen dos versiones:
     • SSR de estimación puntual: Utiliza el tamaño de muestra recalculado directamente.
     • SSR Conservadora: Utiliza un límite superior de un intervalo de incertidumbre para el tamaño de la muestra para dar cuenta del error de estimación de muestra finita de la distribución del puntaje.
   • La inscripción se detiene cuando el tamaño de muestra actual $n$ alcanza el objetivo actualizado $N_{target}(n)$ o llega a un máximo preespecificado.

3. Propiedades Teóricas:

   • Los autores establecen condiciones (A1–A5) bajo las cuales el procedimiento mantiene un control aproximado del error de Tipo I y la potencia condicional.
   • Teorema 1: Demuestra que si la reestimación depende solo del proceso de puntaje (no de los resultados), la prueba final controla el error de Tipo I hasta un término de discrepancia inducido por la distribución de puntaje empírica.
   • Teorema 2: Muestra que, condicionado a la distribución de puntaje final observada, asegurar el tamaño de muestra recalculado garantiza una potencia al menos al nivel objetivo (según la aproximación normal).

Contribuciones Clave

• Definición del Estimando: El artículo define formalmente un estimando estandarizado por población donde los controles históricos se estandarizan a la distribución real de la población inscrita en el brazo activo mediante un puntaje de equilibrio, haciendo que el parámetro de control sea una función de la distribución objetivo.
• SSR Adaptativa a las Covariables: Desarrolla un nuevo procedimiento de SSR que se actualiza basándose únicamente en las distribuciones de las covariables basales. Esto aborda el desafío específico de que la varianza y el tamaño del efecto del control estandarizado dependen de las características de la población inscrita.
• Garantías Teóricas: Proporciona condiciones suficientes para el control aproximado del error de Tipo I y la preservación de la potencia en entornos de SSR ciega repetida, distinguiéndola de los métodos que dependen de datos de resultados no cegados.
• Integración de la Planificación y la Ejecución: El marco unifica los diseños fijos basados en distribuciones de planificación con diseños adaptativos basados en distribuciones de inscripción observadas.

Resultados

• Aplicación Ilustrativa (Datos ADCS): Utilizando datos de los ensayos de la Escala de Estudio de Alzheimer (ADCS), los autores demostraron que el parámetro de control estandarizado y el tamaño de muestra requerido varían significativamente dependiendo del conjunto de ajuste de covariables y el perfil evolutivo de la población inscrita. El SSR propuesto produjo tamaños de muestra finales diferentes entre los escenarios, reflejando los perfiles reales de covariables observados durante la inscripción, mientras que los diseños fijos produjeron tamaños de muestra estáticos.
• Estudios de Simulación:
  • Escenario: Se realizaron simulaciones donde la verdadera distribución de covariables del brazo activo difería del supuesto de planificación (cambio de distribución).
  • Potencia: Los diseños fijos basados únicamente en supuestos de planificación perdieron potencia a medida que la distribución real se desviaba del plan. En contraste, el SSR adaptativo a las covariables propuesto mantuvo la potencia cerca del nivel objetivo (0.80) al ajustar el tamaño de la muestra a la distribución observada.
  • Comparación: El SSR propuesto se comportó de manera similar a un diseño "oráculo" (que conoce la distribución real en la etapa de planificación) y superó a un diseño fijo de "escenario máximo" en términos de eficiencia del tamaño de la muestra, manteniendo la potencia.
  • Error de Tipo I: El procedimiento mantuvo un control aproximado del error de Tipo I (cerca de 0.05) en todos los escenarios, confirmando que la reestimación ciega al resultado no infla las tasas de falsos positivos.
  • Diseños No Ajustados: Los diseños fijos no ajustados mostraron altas tasas de rechazo en algunos entornos, pero los autores señalan que esto refleja una especificación errónea del parámetro de control debido al desequilibrio, más que una verdadera potencia.

Significancia y Reivindicaciones
El artículo afirma proporcionar una estrategia de diseño práctica para ensayos de brazo único con controles externos que apuntan explícitamente a efectos de tratamiento estandarizados por población. Al vincular la definición de la población objetivo, la estandarización de los controles externos y la reestimación del tamaño de la muestra en un solo marco, el método aborda la incertidumbre de la población objetivo en la etapa de diseño en lugar de depender únicamente del ajuste de covariables post-hoc.

Los autores enfatizan que su enfoque permite la adaptación del tamaño de la muestra a la población realmente inscrita sin descegar los resultados del tratamiento, preservando así la integridad del ensayo y asegurando una potencia adecuada. El estudio concluye que este SSR adaptativo a las covariables y ciego al resultado es una estrategia viable para mitigar los riesgos de pérdida de potencia asociados con los cambios de distribución entre los supuestos de planificación y la realidad en los ensayos que utilizan controles históricos.

Limitaciones
Los autores reconocen varias limitaciones:

• El marco asume que las covariables basales observadas explican suficientemente la comparabilidad; las variables de confusión no medidas o las diferencias en las mediciones/definiciones aún pueden sesgar los resultados.
• La especificación errónea del modelo del puntaje de equilibrio o de los parámetros de control condicional puede afectar las estimaciones del parámetro de control estandarizado y su varianza.
• El método depende de aproximaciones normales y asume que el valor de diseño del brazo activo es independiente de la distribución del puntaje. Se señala como trabajo futuro la extensión para resultados no normales, muestras pequeñas o censura compleja.
• El enfoque actual se centra en diseños de brazo único con controles puramente históricos; los diseños híbridos con controles concurrentes requieren mayor desarrollo.