📊 epidemiology

BUDS: Benchmark Uncertainty Design Selection for Two-Stage Single-Arm Phase II Trials

यह शोध पत्र BUDS को एक ऐसे ढांचे के रूप में प्रस्तुत करता है जो दो-चरणीय एकल-आर्म (two-stage single-arm) फेज़ II परीक्षण डिजाइनों के चयन के लिए ऐतिहासिक बेंचमार्क अनिश्चितता को ध्यान में रखते हुए परिणामों की एक संभावित सीमा में दक्षता को अनुकूलित करता है, जिससे टाइप I एरर (Type I error) के बढ़ने को रोका जा सके और बाइनरी एवं टाइम-टू-इवेंट (time-to-event) दोनों एंडपॉइंट्स के लिए मजबूती और नमूना आकार दक्षता के बीच स्पष्ट ट्रेड-ऑफ प्रदान किया जा सके।

मूल लेखक: Irlmeier, R., Jin, Z., Ye, F.

प्रकाशित 2026-07-29

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Irlmeier, R., Jin, Z., Ye, F.

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक चोर को पकड़ने की कोशिश कर रहे हैं, लेकिन आप ठीक से नहीं जानते कि चोर कैसा दिखता है। आपके पास एक स्केच है, लेकिन वह थोड़ा धुंधला है। चिकित्सा विज्ञान की दुनिया में, विशेष रूप से नई दवाओं के परीक्षण के शुरुआती चरणों में, शोधकर्ता एक समान खेल खेलते हैं। वे जानना चाहते हैं कि क्या एक नया उपचार "पुराने तरीके" की तुलना में बेहतर काम करता है। इसे करने के लिए, वे जिसे "फेज़ II ट्रायल" कहा जाता है, चलाते हैं। इसे एक नए अभिनेता के पहले गंभीर ऑडिशन की तरह समझें। शोधकर्ता नए ड्रग के प्रदर्शन की तुलना एक "ऐतिहासिक बेंचमार्क" (historical benchmark) से करते हैं—जो कि एक मानक संख्या है कि वर्तमान सर्वोत्तम उपचार के साथ मरीज आमतौर पर कैसे ठीक होते हैं। यह कुछ ऐसा कहने जैसा है कि, "यदि नया ड्रग 10% से अधिक लोगों को ठीक करता है, तो हम आगे बढ़ेंगे; यदि नहीं, तो हम रुक जाएंगे।"

समस्या यह है कि वह "10%" वाली संख्या अक्सर एक अनुमान होती है। यह एक छोटे अध्ययन से आ सकती है, या मरीज थोड़े अलग हो सकते हैं, या पुराने अध्ययन के बाद से चिकित्सा थोड़ी बदल गई होगी। यदि शोधकर्ता अपने बेंचमार्क के लिए गलत संख्या चुनते हैं, तो वे अनजाने में एक बेकार दवा को नायक मान सकते हैं, या वे एक अच्छी दवा को बहुत जल्दी छोड़ सकते हैं। यह शोध पत्र इन ड्रग ऑडिशन को डिजाइन करने की जटिल गणितीय प्रक्रिया को संबोधित करता है जब आप 100% निश्चित नहीं होते कि वास्तविक "मानक" प्रदर्शन क्या है। यह एक सुरक्षा जाल बनाने के बारे में है ताकि यदि आपका अनुमान थोड़ा गलत भी हो जाए, तो भी आप एक महंगी गलती न करें।

"BUDS" समाधान: अज्ञात के लिए डिजाइन करना

यह शोध पत्र एक नया ढांचा पेश करता है जिसे BUDS (बेंचमार्क अनसर्टेनिटी डिज़ाइन सिलेक्शन) कहा जाता है। BUDS को एक बुद्धिमान, सतर्क वास्तुकार की तरह समझें जो एक पुल का डिजाइन बना रहा है। आमतौर पर, जब आप एक पुल बनाते हैं, तो आप भार की गणना एक विशिष्ट वजन के आधार पर करते हैं—जैसे कि एक कार जिसका वजन ठीक 2,000 पाउंड है। आप पुल को उस कार को पूरी तरह से संभालने के लिए डिजाइन करते हैं। लेकिन क्या होगा अगर वास्तव में, पुल को पार करने वाली कारों का वजन 1,800 से 2,200 पाउंड के बीच कहीं भी हो सकता है? यदि आपने केवल 2,000 के लिए डिजाइन किया, तो एक भारी ट्रक आपके पुल को तोड़ सकता है।

लेखकों का तर्क है कि पारंपरिक ड्रग ट्रायल डिजाइन उसी एकल-वजन वाले पुल की तरह हैं। वे एक विशिष्ट "बेंचमार्क" (जैसे 10% इलाज दर) चुनते हैं और उसी के इर्द-गिर्द पूरा अध्ययन डिजाइन करते हैं। पेपर दिखाता है कि यदि वास्तविक दुनिया का बेंचमार्क वास्तव में अधिक (जैसे 15%) है, तो ये पारंपरिक डिजाइन बुरी तरह विफल हो सकते हैं। वे एक ऐसी दवा को सफल घोषित कर सकते हैं जो वास्तव में बेकार है। अपने सिमुलेशन में, लेखकों ने पाया कि जब वास्तविक बेंचमार्क योजनाबद्ध बेंचमार्क से थोड़ा अधिक था, तो "साइमन ऑप्टिमल" (Simon Optimal) नामक एक लोकप्रिय डिजाइन की त्रुटि दर आसमान छूकर 0.407 (यानी 40.7% गलत अलार्म की संभावना!) हो गई, जबकि यह 10% होनी चाहिए थी।

इसे ठीक करने के लिए, BUDS "एकल अनुमान" के खेल को रोकने का सुझाव देता है। एक संख्या चुनने के बजाय, शोधकर्ताओं को बेंचमार्क क्या हो सकता है, इसकी एक तर्कसंगत सीमा (plausible range) परिभाषित करनी चाहिए (जैसे, "इलाज की दर संभवतः 5% और 15% के बीच है")। इसके बाद BUDS इस पूरे दायरे में सुरक्षित रूप से काम करने के लिए ट्रायल को डिजाइन करता है।

BUDS कैसे काम करता है: "वर्स्ट-केस" और "एवरेज" रणनीतियाँ

पेपर इस नए, व्यापक सुरक्षा जाल में फिट होने वाले कई विकल्पों में से सर्वश्रेष्ठ ट्रायल डिजाइन चुनने के दो मुख्य तरीके प्रस्तावित करता है:

BUDS-Worst-Regret: यह "शंकालु" (paranoid) रणनीति है। यह पूछती है, "हमारी सीमा के भीतर सबसे खराब स्थिति क्या है, और उस विशिष्ट सबसे खराब स्थिति को संभालने के लिए हमें कितने अतिरिक्त काम (मरीजों) की आवश्यकता होगी?" फिर यह उस डिजाइन को चुनता है जो उस सबसे खराब स्थिति के सच होने पर होने वाली अधिकतम निराशा या "पछतावे" (regret) को कम करता है। यह एक ऐसी यात्रा के लिए सूटकेस पैक करने जैसा है जहाँ आपको एक भारी कोट, एक हल्की जैकेट, या कुछ भी ले जाने की आवश्यकता हो सकती है। आप वह पोशाक चुनते हैं जो आपको ठंडे मौसम में भी सहज रखे, भले ही इसका मतलब यह हो कि आप धूप वाले दिन के लिए थोड़े ज्यादा कपड़े पहन लें।
BUDS-Avg-EN: यह "औसत" रणनीति है। यह संभावनाओं के पूरे दायरे को देखती है और उस डिजाइन को चुनती है जो औसतन सबसे कम मरीजों का उपयोग करता है। यह एक ऐसी यात्रा के लिए पैकिंग करने जैसा है जहाँ आप मौसम के मिश्रण की उम्मीद करते हैं और बस समग्र रूप से कुशल रहना चाहते हैं, भले ही किसी एक विशेष दिन आपको थोड़ी ठंड महसूस हो।

सिमुलेशन ने क्या दिखाया

लेखकों ने यह देखने के लिए हजारों कंप्यूटर सिमुलेशन चलाए कि ये नए डिजाइन पुराने डिजाइनों की तुलना में कैसे प्रदर्शन करते हैं। यहाँ उनके निष्कर्ष दिए गए हैं:

सुरक्षा सर्वोपरि: सबसे महत्वपूर्ण निष्कर्ष यह है कि BUDS डिजाइन वास्तविक बेंचमार्क कहीं भी हो, "गलत अलार्म" (Type I error) की दर को नियंत्रण में रखते हैं। चाहे बेंचमार्क अनुमान की निचली सीमा पर हो या ऊपरी सीमा पर, ट्रायल गलती से एक खराब दवा को विजेता घोषित नहीं करेगा। इसके विपरीत, पुराने एकल-बेंचमार्क डिजाइनों ने देखा कि जब वास्तविक बेंचमार्क अपेक्षित से अधिक था, तो उनकी त्रुटि दर तेजी से बढ़ी।
सुरक्षा की कीमत: यहाँ एक ट्रेड-ऑफ (समझौता) है। संभावनाओं की एक विस्तृत श्रृंखला में सुरक्षित रहने के लिए, BUDS डिजाइनों को कभी-कभी पुराने डिजाइनों की तुलना में अधिक मरीजों की आवश्यकता होती है। उदाहरण के लिए, एक परिदृश्य में जहाँ बेंचमार्क अनिश्चित था, एक पारंपरिक डिजाइन को अधिकतम 37 मरीजों की आवश्यकता हो सकती है। सबसे खराब स्थिति के खिलाफ सुरक्षित रहने के लिए, BUDS डिजाइन को 54 या यहाँ तक कि 72 मरीजों की आवश्यकता हो सकती है। पेपर नोट करता है कि यह अतिरिक्त नामांकन, गलती न करने की कीमत है। कुछ अतिरिक्त लोगों का परीक्षण करना एक ऐसी दवा के लिए लाखों बर्बाद करने से बेहतर है जो काम नहीं करती है।
वास्तविक दुनिया के उदाहरण: लेखकों ने अपने विचारों का परीक्षण ग्लियोब्लास्टोमा (एक प्रकार का मस्तिष्क कैंसर) जैसे वास्तविक दुनिया के परिदृश्यों पर किया। उन्होंने एक ट्रायल का परीक्षण किया जिसमें 0.10 (10%) का बेंचमार्क था। जब उन्होंने 0.05 से 0.13 की वास्तविक सीमा के साथ BUDS लागू किया, तो पुराने डिजाइन की गलत अलार्म दर 0.25 (25%) से अधिक हो जाती। BUDS डिजाइन ने त्रुटि दर को 0.093 (9.3%) से नीचे रखा, लेकिन इसके लिए मूल 50 के बजाय अधिकतम 89 मरीजों की आवश्यकता थी।

निष्कर्ष

पेपर यह निष्कर्ष निकालता है कि BUDS चिकित्सा इतिहास की अनिश्चितता को संभालने का एक पारदर्शी तरीका प्रदान करता है। यह जादू से अनिश्चितता को गायब नहीं करता है; इसके बजाय, यह शोधकर्ताओं को यह स्वीकार करने के लिए मजबूर करता है, "हम 100% निश्चित नहीं हैं, इसलिए आइए एक सीमा (range) के लिए योजना बनाएं।" ऐसा करके, यह दक्षता (कम मरीजों का उपयोग करना) और मजबूती (गलत सकारात्मक परिणामों से बचना) के बीच के समझौते को स्पष्ट बनाता है। लेखकों ने एक मुफ्त कंप्यूटर टूल (एक R पैकेज और एक Shiny ऐप) भी बनाया है ताकि अन्य वैज्ञानिक अपने स्वयं के ट्रायल डिजाइन करने के लिए इस पद्धति का उपयोग कर सकें।

संक्षेप में, BUDS सुझाव देता है कि ड्रग टेस्टिंग के उच्च-दांव वाले खेल में, एक एकल, सटीक अनुमान पर जुआ खेलने के बजाय एक ऐसा पुल डिजाइन करना अधिक समझदारी है जो वजन की एक सीमा को संभाल सके। यह पेपर दावा नहीं करता है कि यह सभी चिकित्सा परीक्षणों पर अंतिम शब्द है, लेकिन यह अनुमान लगाने के बजाय योजना बनाने की शुरुआत करने के लिए एक ठोस, गणितीय रूप से सुदृढ़ तरीका प्रदान करता है।

तकनीकी सारांश: दो-चरणीय एकल-आर्म चरण II परीक्षणों के लिए बेंचमार्क अनिश्चितता डिजाइन चयन (BUDS)

समस्या विवरण
एकल-आर्म चरण II क्लिनिकल ट्रायल, विशेष रूपकर ऑन्कोलॉजी में, ऐतिहासिक नियंत्रण बेंचमार्क के विरुद्ध प्रयोगात्मक उपचारों की स्क्रीनिंग के लिए पारंपरिक रूप से दो-चरणीय डिजाइनों (जैसे, बाइनरी एंडपॉइंट्स के लिए साइमन का डिजाइन या टाइम-टू-इवेंट एंडपॉइंट्स के लिए क्वाक और जंग/r-KJ फ्रेमवर्क) पर निर्भर करते हैं। ये डिजाइन आमतौर पर एक एकल, निश्चित नियोजन बेंचमार्क ( $\theta_0$ ) का उपयोग करके कैलिब्रेट किए जाते हैं। हालांकि, व्यवहार में, पूर्व अध्ययनों के छोटे सैंपल साइज, जनसंख्या विषमता, विकसित होती पात्रता मानदंड और मानक देखभाल में बदलाव के कारण ऐतिहासिक बेंचमार्क अनिश्चित होते हैं।

यह शोध एक महत्वपूर्ण भेद्यता (vulnerability) की पहचान करता है: जब वास्तविक ऐतिहासिक बेंचमार्क उस मान से अधिक होता है जिसका उपयोग डिजाइन को कैलिब्रेट करने के लिए किया गया था, तो टाइप I एरर रेट में काफी वृद्धि हो सकती है। यह वृद्धि अप्रभावी उपचारों को महंगे चरण III परीक्षणों में आगे बढ़ाने के जोखिम को बढ़ा देती है। मौजूदा डिजाइन-चयन मानदंड एक एकल बेंचमार्क बिंदु पर दक्षता (जैसे, अपेक्षित सैंपल साइज को कम करना) को अनुकूलित करते हैं, जो बेंचमार्क की इस अनिश्चितता को ध्यान में नहीं रखते हैं, जिससे वे केवल विशिष्ट कैलिब्रेशन बिंदु पर सांख्यिकीय रूप से वैध होते हैं, लेकिन प्रशंसनीय ऐतिहासिक मानों की पूरी सीमा में संभावित रूप से अमान्य हो जाते हैं।

कार्यप्रणाली (Methodology)
लेखक बेंचमार्क अनिश्चितता डिजाइन चयन (BUDS) का प्रस्ताव करते हैं, जो बेंचमार्क मानों की एक पूर्व-निर्धारित, नैदानिक रूप से प्रशंसनीय सीमा ( $\theta_{0L}, \theta_{0U}$ ) को डिजाइन-चयन प्रक्रिया में स्पष्ट रूप से शामिल करता है।

फ्रेमवर्क की परिभाषा: एक एकल $\theta_0$ के आधार पर डिजाइन चुनने के बजाय, BUDS के लिए यह आवश्यक है कि उम्मीदवार डिजाइन बेंचमार्क रेंज में पूरे अंतराल में टाइप I एरर ( $\alpha$ ) और टाइप II एरर ( $\beta$ ) बाधाओं को पूरा करें। बेंचमार्क पैरामीटर के संबंध में टाइप I एरर रेट की मोनोटोनिसिटी (monotonicity) के कारण, लेखक यह प्रदर्शित करते हैं कि रेंज के ऊपरी स्तर ( $\theta_{0U}$ ) पर टाइप I एरर बाधा को लागू करना पूरे अंतराल में एरर को नियंत्रित करने के लिए पर्याप्त है।
ऑब्जेक्टिव फंक्शन्स (Objective Functions): उन संभावित डिजाइनों के सेट के भीतर जो रेंज में एरर बाधाओं को पूरा करते हैं, BUDS दो मजबूत अनुकूलन उद्देश्यों को पेश करता है:
1. BUDS-Worst-Regret: बेंचमार्क रेंज में अधिकतम "रिग्रेट" (regret) को कम करता है। रिग्रेट को किसी भी विशिष्ट बिंदु पर एक उम्मीदवार डिजाइन के अपेक्षित सैंपल साइज (ESS) और स्थानीय रूप से इष्टतम डिजाइन (वह डिजाइन जिसे तब चुना जाता यदि वास्तविक बेंचमार्क ज्ञात होता) के ESS के बीच के अंतर के रूप में परिभाषित किया गया है। यह दृष्टिकोण सबसे खराब स्थिति में होने वाले दक्षता नुकसान के विरुद्ध सुरक्षा प्रदान करता है।
2. BUDS-Avg-EN: बेंचमार्क रेंज में औसत अपेक्षित सैंपल साइज को कम करता है, जो औसतन कुशल डिजाइनों का पक्ष लेता है।
एल्गोरिदम: लेखक इष्टतम डिजाइनों की पहचान करने के लिए गणनात्मक रूप से कुशल खोज एल्गोरिदम प्रदान करते हैं। बाइनरी एंडपॉइंट्स के लिए, विधि उम्मीदवार दो-चरणीय कॉन्फ़िगरेशन का विस्तृत अन्वेषण करती है। टाइम-टू-इवेंट (TTE) एंडपॉइंट्स के लिए, यह प्रतिबंधित-क्वाक और जंग (r-KJ) फ्रेमवर्क पर आधारित एक "ज़ूम" खोज प्रक्रिया का उपयोग करता है। इसका कार्यान्वयन BUDS नामक एक ओपन-सोर्स R पैकेज और एक इंटरैक्टिव शाइनी (Shiny) एप्लिकेशन में उपलब्ध है।

मुख्य परिणाम
शोध पत्र विभिन्न स्तरों की बेंचमार्क अनिश्चितता के साथ प्रतिनिधि बाइनरी और TTE परिदृश्यों में क्लासिक सिंगल-बेंचमार्क डिजाइनों (साइमन ऑप्टिमल/मिनिमैक्स और r-KJ) के विरुद्ध BUDS का मूल्यांकन करता है।

मिसस्पेसिफिकेशन (Misspecification) के प्रति मजबूती: पर्याप्त बेंचमार्क अनिश्चितता के तहत, सिंगल-बेंचमार्क डिजाइन गंभीर टाइप I एरर वृद्धि प्रदर्शित करते हैं। उदाहरण के लिए, 0.10 की रिस्पांस रेट (with $\alpha=0.10$ ) पर कैलिब्रेट किया गया एक साइमन ऑप्टिमल डिजाइन, जब वास्तविक बेंचमर्क 0.15 था, तो इसने 0.407 की टाइप I एरर रेट प्राप्त की। इसी तरह, 6 महीने की सर्वाइवल प्रोबेबिलिटी के 0.50 के लिए कैलिब्रेट किया गया एक r-KJ डिजाइन, जब वास्तविक सर्वाइवल 0.67 था, तो इसकी एरर रेट बढ़कर लगभग 0.17 हो गई। इसके विपरीत, BUDS-चयनित डिजाइनों ने पूरी बेंचमार्क रेंज में नामित स्तर पर या उससे नीचे टाइप I एरर रेट बनाए रखा।
दक्षता ट्रेड-ऑफ (Efficiency Trade-offs): मजबूती प्राप्त करने के लिए अतिरिक्त जानकारी की आवश्यकता होती है। जैसे-जैसे बेंचमार्क रेंज चौड़ी होती है, BUDS-चयनित डिजाइनों को एकल-बिंदु पर कैलिब्रेट किए गए डिजाइनों की तुलना में बड़े अधिकतम सैंपल साइज की आवश्यकता होती है। हालांकि, शोध पत्र नोट करता है कि BUDS-Worst-Regret डिजाइन अक्सर "मिनिमैक्स" सिंगल-बेंचमार्क डिजाइनों की तुलना में रेंज में कम औसत अपेक्षित सैंपल साइज प्राप्त करते हैं और साइमन ऑप्टिमल एवं मिनिमैक्स दोनों की तुलना में छोटे पहले-चरण के सैंपल साइज प्राप्त करते हैं।
वास्तविक दुनिया का अनुप्रयोग: रिकरेंट ग्लियोब्लास्टोमा ट्रायल सेटिंग्स (दोनों बाइनरी रिस्पांस और 6-महीने के प्रोग्रेशन-फ्री सर्वाइवल) में BUDS को लागू करने से पता चला कि मध्यम अनिश्चितता रेंज (जैसे, रिस्पांस रेट के लिए 0.05 से 0.13) भी डिजाइन समायोजन की आवश्यकता को दर्शाती है। BUDS-चयनित डिजाइनों ने इन श्रेणियों में टाइप I एरर को नियंत्रित किया, जबकि क्लासिक डिजाइनों विफल रहे, जिन्हें मजबूती प्राप्त करने के लिए अक्सर केवल मामूली सैंपल साइज वृद्धि (जैसे, एक TTE परिदृश्य में 6 अतिरिक्त रोगी) की आवश्यकता थी।

महत्ता और दावे
यह शोध पत्र BUDS को ट्रायल प्लानिंग के एक पारदर्शी ढांचे के रूप में प्रस्तुत करता है जो मजबूती और दक्षता के बीच के ट्रेड-ऑफ को स्पष्ट रूप से दर्शाता है। इसकी प्राथमिक महत्ता निम्नलिखित में है:

एरर कंट्रोल: यह एकल, संभावित रूप से गैर-प्रतिनिधि बिंदु के बजाय, ऐतिहासिक बेंचमार्क की एक प्रशंसनीय रेंज में टाइप I एरर नियंत्रण सुनिश्चित करता है, जिससे बेंचमार्क मिसस्पेसिफिकेशन के कारण अप्रभावी उपचारों को आगे बढ़ाने के जोखिम को कम किया जा सकता है।
निर्णय पारदर्शिता: एक बेंचमार्क रेंज को निर्दिष्ट करने की आवश्यकता के माध्यम से, यह ढांचा प्रोटोकॉल विकास के दौरान अनिश्चितता के लिए एक संरचित चर्चा को अनिवार्य बनाता है, जो अधिक रक्षात्मक गो/नो-गो (go/no-go) निर्णयों का समर्थन करता है।
व्यावहारिक उपयोगिता: यह ढांचा बाइनरी और टाइम-टू-इवेंट एंडपॉइंट्स दोनों के लिए लागू होता है और क्लासिक दो-चरणीय डिजाइनों की परिचालन सरलता को बनाए रखता है। BUDS R पैकेज और शाइनी ऐप की उपलब्धता शोधकर्ताओं के लिए तत्काल अपनाने की सुविधा प्रदान करती है।

लेखक निष्कर्ष निकालते हैं कि हालांकि BUDS एकल-आर्म अध्ययनों की अंतर्निहित सीमाओं को समाप्त नहीं करता है, लेकिन यह बेंचमार्क अनिश्चितता को एक 'पोस्ट हॉक' विचार के बजाय एक स्पष्ट नियोजन मानदंड के रूप में मानकर, चरण III परीक्षणों में फॉल्स पॉजिटिव (false positives) के डाउनस्ट्रीम जोखिमों को कम करने के लिए एक तर्कसंगत रणनीति प्रदान करता है।

"BUDS" समाधान: अज्ञात के लिए डिजाइन करना

BUDS कैसे काम करता है: "वर्स्ट-केस" और "एवरेज" रणनीतियाँ

सिमुलेशन ने क्या दिखाया

निष्कर्ष

इसी तरह के और पेपर