Evaluating the impact of outcome delay on the efficiency of sample size re-estimation

Sintesi Tecnica: Valutazione dell'Impatto del Ritardo degli Esiti sull'Efficienza della Ristima della Dimensione Campionaria

Enunciato del Problema
La ristima della dimensione campionaria (SSR) è un disegno adattivo ampiamente utilizzato, volto a garantire che gli studi clinici soddisfino i requisiti di potenza pre-specificati quando i parametri di disturbo (ad esempio, varianza, tassi di eventi) sono incerti nella fase di pianificazione. Sebbene i disegni SSR, in particolare i tipi "piloti interni" in cieco, offrano flessibilità, essi tipicamente presuppongono che gli esiti del trattamento siano disponibili immediatamente al momento del reclutamento dei partecipanti. Nella pratica, molti studi coinvolgono endpoint primari a lungo termine in cui gli esiti sono ritardati.

Questo ritardo crea un effetto "pipeline": se il reclutamento prosegue mentre si attendono i dati sugli esiti intermedi, un numero significativo di partecipanti può essere reclutato i cui esiti non sono ancora disponibili per l'analisi intermedia. Se il ritardo è sostanziale, lo studio potrebbe reclutare più partecipanti di quanto la dimensione campionaria ristimata ritenga necessario. Ciò porta a uno studio sovrapotente, con conseguenti costi finanziari inutili e spreco di risorse. Al contrario, sospendere il reclutamento in attesa degli esiti prolunga la durata dello studio. La letteratura precedente ha stabilito che i ritardi negli esiti hanno un impatto negativo sui disegni sequenziali e multi-fase, ma le specifiche perdite di efficienza per i disegni SSR, in particolare riguardo alla distribuzione della dimensione campionaria finale e alla precisione della ristima, richiedevano ulteriori indagini.

Metodologia
Gli autori indagano l'impatto del ritardo degli esiti sull'efficienza dei disegni SSR in cieco mediante uno studio di simulazione. Lo studio si concentra su esiti continui (distribuzione normale) e si estende agli esiti binari nei materiali supplementari.

• Quadro di Progettazione: Lo studio assume un disegno a due fasi in cui un'analisi intermedia viene condotta dopo il reclutamento di $n_1$ partecipanti. Il parametro di disturbo (varianza $\sigma^2$) viene ristimato utilizzando la varianza campionaria combinata dei dati in cieco. La dimensione campionaria viene aggiustata in base a questa ristima per raggiungere una potenza target.
• Modellazione del Ritardo: Lo studio modella un periodo di ritardo $m$ (unità di tempo) necessario per osservare gli esiti primari. Si assume che il reclutamento continui durante questo periodo. Il numero di partecipanti "pipeline" ($n_{delay}$) reclutati durante il ritardo è calcolato secondo due modelli di reclutamento:
  1. Uniforme: Tasso di reclutamento costante (arrivo di Poisson).
  2. Lineare: Il tasso di reclutamento aumenta linearmente nel tempo (simulando l'apertura di nuovi siti).
• Dimensione Campionaria Finale ($N^*$): La dimensione campionaria finale è determinata dal requisito ristimato ($n^*$) e dai partecipanti pipeline. Se $n^*$ è maggiore dell'accumulo pipeline, $N^* = n^*$. Se l'accumulo pipeline supera il bisogno ristimato, $N^* = n_1 + n_{delay}$, risultando in uno studio con sovrareclutamento.
• Scenari: Le simulazioni sono state eseguite per 10.000 replicazioni in tre scenari di varianza rispetto all'assunzione iniziale ($\sigma^2_{init}$):
  • Caso I: La varianza reale è inferiore ($\sigma^2 = 8 < 10$), portando a una dimensione campionaria ristimata inferiore a quella pianificata.
  • Caso II: La varianza reale corrisponde all'assunzione ($\sigma^2 = 10 = 10$).
  • Caso III: La varianza reale è superiore ($\sigma^2 = 12 > 10$), portando a una dimensione campionaria ristimata superiore a quella pianificata.
• Metriche di Efficienza: Gli autori propongono e utilizzano tre metriche per quantificare l'impatto del ritardo:
  1. Impatto del Ritardo: La proporzione di studi in cui la dimensione campionaria finale supera il requisito ristimato a causa dei partecipanti pipeline.
  2. Errore Quadratico Medio (RMSE): Misura la precisione della dimensione campionaria finale rispetto alla dimensione campionaria "oracolo" (la dimensione richiesta se la varianza reale fosse stata nota dall'inizio).
  3. Costo: Una metrica innovativa definita come $E[(N^* - n_{oracle})^2 / 100 \times Power(N^*)]$. Questa penalizza gli studi sottopotenti più severamente di quelli sovrapotenti, riflettendo la conseguenza maggiore del mancato rilevamento di un effetto del trattamento rispetto al costo del reclutamento eccessivo.

Risultati Chiave
I risultati delle simulazioni indicano che l'impatto del ritardo degli esiti dipende fortemente dalla relazione tra la varianza reale e la dimensione campionaria inizialmente pianificata, nonché dal modello di reclutamento.

• Distribuzione della Dimensione Campionaria Finale: All'aumentare della durata del ritardo ($m$), la dispersione della distribuzione della dimensione campionaria finale diminuisce perché la dimensione campionaria minima raggiungibile aumenta (a causa dell'accumulo di partecipanti pipeline).
• Caso I (Sovrapianificato/Varianza Reale Inferiore): Questo scenario soffre maggiormente del ritardo. Poiché la dimensione campionaria ristimata è inferiore al piano iniziale, i partecipanti pipeline spingono spesso il totale reclutato al di sopra del $n^*$ richiesto. Ciò porta a un alto "Impatto del Ritardo" (ad esempio, ~80% per un ritardo di 10 mesi con reclutamento uniforme) e risulta in studi frequentemente sovrapotenti. Le metriche RMSE e Costo aumentano bruscamente con il ritardo.
• Caso III (Sottopianificato/Varianza Reale Superiore): Questo scenario è meno influenzato dal ritardo. La dimensione campionaria ristimata è superiore al piano iniziale, quindi i partecipanti pipeline contribuiscono positivamente al totale richiesto. L'impatto del ritardo è minimo e, in alcuni casi (reclutamento uniforme), continuare il reclutamento durante il ritardo può persino migliorare l'efficienza rispetto alla sospensione del reclutamento.
• Modelli di Reclutamento: I modelli di reclutamento lineare generalmente comportano costi più elevati e maggiori impatti del ritardo rispetto ai modelli uniformi, poiché il tasso di reclutamento accelerato genera più partecipanti pipeline durante il periodo di ritardo.
• Dimensione Campionaria della Prima Fase ($n_1$): L'aumento di $n_1$ riduce la variabilità della dimensione campionaria ristimata ma aumenta la dimensione campionaria finale minima in presenza di ritardo. Gli autori rilevano che una dimensione campionaria di prima fase di 35 partecipanti per braccio (totale 70) trova un equilibrio tra l'ottenimento di una stima affidabile della varianza e la limitazione della gravità del sovrareclutamento indotto dal ritardo.

Significato e Affermazioni
Il paper afferma che, sebbene la SSR sia uno strumento potente, ignorare il ritardo degli esiti nella fase di pianificazione può portare a significative perdite di efficienza, manifestandosi principalmente come studi sovrapotenti con costi inflazionati. Lo studio dimostra che:

1. Impatto Dipendente dal Contesto: La gravità del ritardo non è uniforme; è più dannosa quando la varianza reale è inferiore a quanto previsto, causando la necessità di meno partecipanti rispetto a quanto originariamente pianificato.
2. Innovazione Metrica: L'introduzione della metrica "Costo" e dell'"Impatto del Ritardo" fornisce una comprensione più sfumata della perdita di efficienza rispetto alle metriche tradizionali, evidenziando specificamente il rischio di sovrareclutamento.
3. Guida Pratica: I risultati suggeriscono che, per dati di esito continui, condurre l'analisi intermedia dopo aver reclutato 35 partecipanti per braccio è una strategia ragionevole. Ciò si allinea con le precedenti raccomandazioni sui piloti esterni (Teare et al.) ma le estende al contesto della SSR interna in cieco, bilanciando la necessità di precisione nella stima della varianza con il rischio di accumulo pipeline.
4. Robustezza Relativa: Gli autori notano che, sebbene il ritardo influisca sulla SSR, l'effetto è meno severo rispetto ai disegni che consentono l'arresto precoce per efficacia o futilità (ad esempio, il disegno a due fasi di Simon o i disegni sequenziali).

Gli autori concludono che studi di simulazione attenti, che tengano conto di specifici modelli di reclutamento e durate del ritardo, sono essenziali per la pianificazione degli studi SSR per mitigare potenziali svantaggi finanziari e di risorse. Non propongono nuovi algoritmi per gestire il ritardo, ma forniscono piuttosto una valutazione quantitativa dell'approccio "cieco" esistente in condizioni di ritardo.