Adaptive clinical trial design with delayed treatment effects using elicited prior distributions

Résumé Technique : Conception de l'Essai Clinique Adaptatif avec Effets de Traitement Retardés via des Distributions A Priori Élicitées

Énoncé du Problème
Les essais cliniques utilisant des critères d'évaluation de type temps de survie (time-to-event), tels que la survie globale (OS) ou la survie sans progression (PFS), sont essentiels pour évaluer les nouvelles thérapies, particulièrement en immuno-oncologie. Cependant, les traitements modernes comme les immunothérapies présentent souvent des effets de traitement retardés (DTE - Delayed Treatment Effects), où les bénéfices thérapeutiques n'émergent qu'après une période spécifique. Ce phénomène viole l'hypothèse des risques proportionnels (PH), qui sous-tend les méthodes statistiques standards telles que le modèle de Cox et le test du log-rank. Par conséquent, les conceptions d'essais traditionnelles font face à des risques importants :

1. Puissance sous-optimale : Les méthodes standards peuvent être inappropriées ou sous-optimales lorsque l'hypothèse PH est violée.
2. Terminaison prématurée : Les analyses intermédiaires menées avant que la période de retard ne soit passée peuvent sous-estimer le bénéfice thérapeutique éventuel, conduisant à des décisions de futilité incorrectes et à la terminaison prématurée d'essais potentiellement efficaces.
3. Incertitude : Les paramètres clés régissant le retard (le temps d'apparition $T$ et le rapport de risque post-retard $HR^*$) sont intrinsèquement incertains lors de la phase de conception, ce qui rend difficile la conception d'essais qui soient à la fois suffisamment puissants et robustes.

Méthodologie
Les auteurs proposent un cadre de conception d'essai adaptatif hybride bayésien-fréquentiste qui intègre des distributions a priori élicitées auprès d'experts pour traiter les DTE. La méthodologie se compose de trois composantes :

1. Paramétrage du Modèle et Priors :

   • L'essai suppose un modèle de risque par morceaux où le risque du groupe expérimental correspond à celui du groupe témoin jusqu'à un temps de retard $T$, après quoi un rapport de risque constant $HR^*$ s'applique.
   • Les paramètres du groupe témoin ($\lambda_c, \gamma_c$) sont dérivés de données historiques.
   • L'élicitation d'experts est utilisée pour définir les distributions a priori pour :
     • $P_S$ : La probabilité que les courbes de survie se séparent (existence d'un effet de traitement).
     • $P_{DTE}$ : La probabilité d'un retard, conditionnelle à l'existence d'un effet.
     • $D_{HR^*}$ : La distribution du rapport de risque post-retard.
     • $D_T$ : La distribution de la durée du retard.
   • Cette structure crée trois scénarios cliniquement significatifs : absence d'effet, effet immédiat et effet retardé.

2. Assurance avec Analyses Intermédiaires :

   • Le cadre étend le concept d'assurance (la probabilité de succès pondérée par l'a priori) aux conceptions adaptatives.
   • Contrairement à la puissance traditionnelle calculée pour une alternative fixe, l'assurance moyenne la probabilité de succès sur la distribution jointe a priori des paramètres, tenant compte de l'incertitude concernant $T$ et $HR^*$.
   • Celle-ci est estimée par simulation, où des essais sont simulés sous des vecteurs de paramètres tirés, et des règles d'arrêt sont appliquées lors des analyses intermédiaires.

3. Probabilité Prédictive (PP) pour l'Arrêt pour Futilité :

   • Un nouveau cadre de Probabilité Prédictive (PP) est développé pour les décisions de futilité intermédiaires.
   • Lors d'une analyse intermédiaire, les priors élicités sont mis à jour avec les données observées via MCMC pour obtenir des distributions a posteriori.
   • Ces a posteriori sont propagés vers l'avenir pour simuler les résultats futurs non observés, reconstruisant l'analyse finale pour estimer la probabilité de rejeter finalement l'hypothèse nulle ($H_0$).
   • Innovation Clé : Le temps de retard $T$ est traité comme un paramètre libre mis à jour avec les données, plutôt que comme une valeur fixe, permettant à la PP de prendre en compte l'incertitude de la chronologie de l'effet.
   • Règle d'Arrêt : L'essai s'arrête pour futilité si la PP estimée tombe en dessous d'un seuil $\pré-spécifié$\lambda$. L'arrêt pour efficacité reste régi par des limites de séquençage de groupe (alpha-spending) pour maintenir le contrôle de l'erreur de Type I.

4. Procédure de Calibrage :

   • Sélection du Timing : Le moment de l'analyse intermédiaire est choisi en simulant la distribution des valeurs de PP sous la distribution prédictive a priori. Le moment optimal est sélectionné lorsque la distribution de la PP devient suffisamment polarisée (concentrée près de 0 et 1) pour distinguer les essais prometteurs des essais non prometteurs, garantissant que l'analyse est informative.
   • Sélection du Seuil : Le seuil de futilité $\lambda$ est calibré pour équilibrer le contrôle de l'erreur de Type I, la puissance sous les scénarios alternatifs (incluant les effets retardés), et la minimisation de la taille d'échantillon attendue sous l'hypothèse nulle.

Principales Contributions
L'article présente quatre contributions spécifiques :

1. Extension de l'Assurance : Il étend le cadre de l'assurance aux conceptions adaptatives avec analyses intermédiaires, permettant aux chercheurs d'évaluer comment les regards intermédiaires impactent la probabilité globale de succès sous l'incertitude des paramètres.
2. Cadre PP pour les DTE : Il développe un cadre de Probabilité Prédictive spécifiquement pour la prise de décision de futilité en présence d'effets de traitement retardés, en utilisant des priors élicités qui sont mis à jour séquentiellement avec les données de l'essai.
3. Méthodologie de Calibrage : Il fournit une procédure de calibrage pratique en deux étapes pour la sélection du moment de l'analyse intermédiaire et du seuil de futilité de la PP, optimisant les caractéristiques opérationnelles telles que la taille d'échantillon attendue sous l'hypothèse nulle tout en maintenant la puissance.
4. Implémentation Logicielle : Les auteurs ont développé un package R gratuit et open-source (DTEAssurance) ainsi qu'une application Shiny pour faciliter la mise en œuvre de ce cadre, permettant aux chercheurs de simuler, comparer et visualiser des conceptions d'essais adaptatifs.

Résultats
Le cadre a été évalué à l'aide d'un essai hypothétique de Phase III dans le cancer du poumon non à petites cellules (NSCLC) comparant une immunothérapie au docétaxel. L'étude a comparé quatre conceptions :

• D1 : Conception fixe (sans analyse intermédiaire).
• D2 : Conception séquentielle de groupe (GSD) avec des regards uniquement pour l'efficacité.
• D3 : GSD hybride avec futilité basée sur la PP (la méthode proposée).
• D4 : GSD avec des limites de futilité basées sur le dépense de bêta (beta-spending) standard.

Principaux Résultats :

• Sous l'Hypothèse Nulle (Pas d'Effet) : Les deux conceptions adaptatives (D3 et D4) ont réduit de manière significative la taille d'échantillon attendue (de 1 200 à ~1 022) et la durée de l'essai en arrêtant ~69 % des essais futiles précocement, tout en maintenant l'erreur de Type I au niveau nominal de 2,5 %.
• Sous Effet Retardé (Scénario Principal) : La conception PP proposée (D3) a démontré une performance supérieure à l'approche standard de dépense de bêta (D4). D3 n'a arrêté que 5,5 % des essais à effet retardé pour futilité (perte de puissance de 0,7 % par rapport à D2), tandis que D4 en a arrêté 15,3 % (perte de puissance de 3,3 %). Cela s'explique par le fait que la statistique log-rank standard (utilisée dans D4) est atténuée par le retard, entraînant une futilité prématurée, alors que l'approche PP (D3) intègre la connaissance a priori du retard, restant robuste.
• Sous Effet Immédiat : Les deux conceptions adaptatives ont performé de manière similaire, avec une perte de puissance minimale par rapport aux conceptions fixes.
• Sensibilité : Les résultats étaient robustes aux variations des probabilités a priori élicitées ($P_S$ et $P_{DTE}$).

Signification et Revendications
L'article affirme que ce cadre fournit une approche fondée sur des principes et pratique pour concevoir des essais adaptatifs pour des thérapies présentant des effets retardés. En intégrant directement l'expertise élicitée dans le processus de planification et de décision, la méthode :

• Renforce la Robustesse : Elle minimise le risque de terminer prématurément des essais présentant des bénéfices réels mais retardés, un problème critique en immuno-oncologie.
• Améliore l'Efficacité : Elle réduit les tailles d'échantillons attendues et les durées d'essais sous l'hypothèse nulle sans sacrifier la puissance sous des scénarios alternatifs plausibles.
• Maintient la Rigueur : Elle préserve un contrôle strict de l'erreur de Type I fréquentiste pour l'efficacité tout en utilisant des méthodes bayésiennes pour les décisions de futilité.
• Facilite l'Implémentation : Le logiciel d'accompagnement abaisse la barrière à l'adoption, permettant aux chercheurs de visualiser les structures de retard et de communiquer efficacement les choix de conception.

Les auteurs positionnent ce travail comme une extension directe de leur méthodologie d'élicitation précédente, offrant une solution cohérente aux défis inférentiels et opérationnels posés par les risques non proportionnels dans les essais cliniques modernes.