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

Sintesi Tecnica: Ristima della Dimensione Campionaria Covariata-Adattiva per Disegni di Controllo Storico con Popolazione Standardizzata in Trial a Braccio Singolo

Definizione del Problema
I trial a braccio singolo con controllo esterno sono sempre più utilizzati quando l'allocazione di controlli randomizzati è impraticabile, in particolare nelle malattie rare o in contesti in cui l'allocazione di un controllo concomitante è eticamente o praticamente difficile. Tuttavia, una sfida fondamentale deriva dai disequilibri basali tra il braccio attivo del trial e i dati del controllo storico (ad esempio, da registri o studi precedenti). Queste differenze nelle caratteristiche dei pazienti, nel tempo del calendario o nelle procedure di misurazione possono far sì che le semplici differenze nelle medie dei risultati riflettano disparità nella popolazione o nella fonte dei dati piuttosto che effetti del trattamento.

Sebbene esistano metodi come il propensity score, la G-computation e l'inverse probability of treatment weighting (IPTW) per aggiustare il confondimento, la pianificazione della dimensione campionaria in questi contesti rimane problematica. Gli approcci tradizionali spesso fissano la dimensione campionaria basandosi su assunzioni di pianificazione riguardanti la media e la varianza del controllo storico. Tuttavia, se l'estimand target è definito per la popolazione effettivamente arruolata nel braccio attivo, la media e la varianza del controllo standardizzato diventano funzioni esplicite della distribuzione delle covariate della popolazione arruolata. Se la popolazione effettivamente arruolata devia dalle assunzioni di pianificazione, i disegni fissi possono soffrire di una perdita di potenza o di un'inflazione dell'errore di tipo I. Inoltre, i metodi standard di riestima della dimensione campionaria (SSR) si basano tipicamente su parametri di disturbo (come la varianza) o sulla potenza condizionata basata su esiti intermedi, il che non è applicabile qui perché gli esiti del braccio attivo non sono disponibili durante la fase di arruolamento per la riestima.

Metodologia
Gli autori propongono un quadro unificato per gli estimand standardizzati per popolazione combinato con una riestima della dimensione campionaria (SSR) adattiva alle covariate e cieca rispetto all'esito.

1. Estimand Standardizzato per Popolazione:

   • La popolazione target è definita come i soggetti effettivamente arruolati nel trial a braccio singolo.
   • Un punteggio di bilanciamento pre-specificato $Z = s(X)$ (ad esempio, un punteggio di partecipazione al trial) riassume le differenze distributive tra il braccio attivo e i controlli storici.
   • Gli esiti del controllo storico sono standardizzati alla distribuzione del punteggio del braccio attivo $F_{Z,A}$ utilizzando l'IPTW. Il parametro di controllo $\eta_0(F_{Z,A})$ è definito come l'esito atteso se la popolazione del braccio attivo effettivamente arruolata avesse ricevuto il trattamento di controllo.
   • L'estimand dell'effetto del trattamento è $\Delta(F_{Z,A}) = \eta_1 - \eta_0(F_{Z,A})$, dove $\eta_1$ è l'esito del braccio attivo.

2. Design della Dimensione Campionaria e Riestima:

   • Design Iniziale: Una distribuzione prevista del punteggio del braccio attivo $F^{plan}_{Z,A}$ è pre-specificata. La dimensione campionaria richiesta $N(F)$ è calcolata in base alla varianza dello stimatore dell'effetto del trattamento, che include la varianza del parametro di controllo standardizzato $\tau^2_0(F)$.
   • SSR Cieca rispetto all'Esito: Durante il trial, il metodo aggiorna la dimensione campionaria richiesta utilizzando solo le covariate basali accumulate dei soggetti arruolati, senza utilizzare gli esiti del braccio attivo.
   • Alle revisioni pre-specificate, viene calcolata la distribuzione empirica del punteggio $\hat{F}_{Z,A,n}$. Il parametro di controllo standardizzato $\hat{\eta}_0(\hat{F}_{Z,A,n})$ e la dimensione campionaria richiesta $N_{re}(n)$ vengono ricalcolati.
   • Vengono proposti due versi:
     • SSR a stima puntuale: Utilizza direttamente la dimensione campionaria ricalcolata.
     • SSR Conservativa: Utilizza un limite superiore di un intervallo di incertezza per la dimensione campionaria per tenere conto dell'errore di stima a campione finito della distribuzione del punteggio.
   • L'arruolamento si interrompe quando la dimensione campionaria corrente $n$ raggiunge il target aggiornato $N_{target}(n)$ o raggiunge un massimo pre-specificato.

3. Proprietà Teoriche:

   • Gli autori stabiliscono le condizioni (A1–A5) sotto le quali la procedura mantiene un approssimativo controllo dell'errore di tipo I e della potenza condizionata.
   • Teorema 1: Dimostra che se la riestima dipende solo dal processo di punteggio (non dagli esiti), il test finale controlla l'errore di tipo I fino a un termine di discrepanza indotto dalla distribuzione empirica del punteggio.
   • Teorema 2: Mostra che, condizionatamente alla distribuzione finale del punteggio osservato, garantire la dimensione campionaria ricalcolata garantisce una potenza almeno al livello target (fino all'errore di approssimazione normale).

Contributi Chiave

• Definizione dell'Estimand: Il documento definisce formalmente un estimand standardizzato per popolazione in cui i controlli storici sono standardizzati alla distribuzione effettiva della popolazione del braccio attivo tramite un punteggio di bilanciamento, rendendo il parametro di controllo una funzione della distribuzione target.
• SSR Adattiva alle Covariate: Sviluppa una nuova procedura di SSR che aggiorna la dimensione campionaria basandosi esclusivamente sulle distribuzioni delle covariate basali. Ciò affronta la sfida specifica per cui la varianza e l'effetto del trattamento standardizzato dipendono dalle caratteristiche della popolazione arruolata.
• Garanzie Teoriche: Fornisce condizioni sufficienti per l'approssimativo controllo dell'errore di tipo I e la preservazione della potenza in contesti di SSR ripetuta e cieca, distinguendosi dai metodi che si basano su dati di esito non ciechi.
• Integrazione di Pianificazione ed Esecuzione: Il framework unifica i disegni fissi basati su distribuzioni di pianificazione con i disegni adattivi basati sulle distribuzioni di arruolamento osservate.

Risultati

• Applicazione Illustrativa (Dati ADCS): Utilizzando i dati dei trial Alzheimer's Disease Cooperative Study, gli autori hanno dimostrato che il parametro di controllo standardizzato e la dimensione campionaria richiesta variano significativamente a seconda del set di aggiustamento delle covariate e del profilo della popolazione arruolata in evoluzione. La SSR proposta ha prodotto dimensioni campionarie finali differenti tra gli scenari, riflettendo i profili reali delle covariate osservati durante l'arruolamento, mentre i disegni fissi hanno prodotto dimensioni campionarie statiche.
• Studi di Simulazione:
  • Scenario: Le simulazioni sono state condotte in un caso in cui la vera distribuzione delle covariate del braccio attivo differiva dall'assunzione di pianificazione (shift distributivo).
  • Potenza: I disegni fissi basati unicamente sulle assunzioni di pianificazione hanno perso potenza man mano che la vera distribuzione deviava dal piano. Al contrario, la proposta SSR adattiva alle covariate ha mantenuto la potenza vicino al livello target (0.80) adattando la dimensione campionaria alla distribuzione osservata.
  • Confronto: La proposta SSR ha performato in modo simile a un disegno "oracle" (che conosce la vera distribuzione nella fase di pianificazione) e ha superato un disegno fisso "max-scenario" in termini di efficienza della dimensione campionaria pur mantenendo la potenza.
  • Errore di Tipo I: La procedura ha mantenuto un approssimativo controllo dell'errore di tipo I (vicino a 0.05) attraverso gli scenari, confermando che la riestima cieca rispetto all'esito non gonfia i tassi di falsi positivi.
  • Disegni Non Aggiustati: I disegni non aggiustati hanno mostrato alti tassi di rifiuto in alcuni contesti, ma gli autori notano che ciò riflette una misspecificazione del parametro di controllo dovuta al disequilibrio piuttosto che una vera potenza.

Significatività e Rivendicazioni
Il documento rivendica di fornire una strategia di design pratica per i trial a braccio singolo con controllo esterno che mira esplicitamente agli effetti del trattamento standardizzati per popolazione. Collegando la definizione della popolazione target, la standardizzazione dei controlli esterni e la riestima della dimensione campionaria in un unico framework, il metodo affronta l'incertezza della popolazione target nella fase di design piuttosto che affidarsi esclusivamente all'aggiustamento delle covariate post-hoc.

Gli autori sottolineano che il loro approccio consente l'adattamento della dimensione campionaria alla popolazione effettivamente arruolata senza svelare gli esiti del trattamento, preservando così l'integrità del trial e garantendo al contempo una potenza adeguata. Lo studio conclude che questa SSR adattiva alle covariate e cieca rispetto all'esito è una strategia praticabile per mitigare i rischi di perdita di potenza associati agli shift distributivi tra le assunzioni di pianificazione e la realtà nei trial che utilizzano controlli storici.

Limitazioni
Gli autori riconoscono alcune limitazioni:

• Il framework assume che le covariate basali osservate tengano conto sufficientemente della comparabilità; il confondimento non misurato o le differenze nelle misurazioni/definizioni possono comunque influenzare i risultati.
• La misspecificazione del modello del punteggio di bilanciamento o dei parametri di controllo condizionali può influenzare le stime del parametro di controllo standardizzato e della varianza.
• Il metodo si basa su approssimazioni normali e assume che il valore del design del braccio attivo sia indipendente dalla distribuzione del punteggio. Estensioni per esiti non normali, campioni piccoli o censura complessa sono indicate come lavori futuri.
• L'attuale focus è sui disegni a braccio singolo con controlli puramente storici; i disegni ibridi con controlli concomitanti richiedono ulteriori sviluppi.