Marginal and conditional summary measures: transportability and compatibility across studies

技術的サマリー：周辺および条件付き要約指標：研究間での輸送可能性と互換性

問題提起
本論文は、エビデンス統合において見過ごされがちな異質性の重要な源泉、すなわち、周辺（無条件）要約指標と条件付き要約指標の間の非互換性という問題に取り組む。非縮約性指標（オッズ比、ハザード比など）は、効果修飾が存在しない場合であっても、その周辺対応物と一致しないことはよく知られているが、本研究は、効果修飾が存在する場合には縮約性指標（リスク比など）においてもこの問題が及ぶと主張する。

核心的な問題は、周辺推定量と条件付き推定量が異なる意思決定の問いに対応し、異なる解釈を有することである。エビデンス統合、特に間接比較（ITC）やメタ分析において、これらの非互換な指標を「単純なプール（naïve pooling）」することはバイアスを導入しうる。これは、異なる研究が異なる要約指標を報告する場合や、共変量調整法を用いて試験集団から対象集団へ治療効果を輸送する場合に、さらに悪化する。特定されたギャップの一つは、通常、効果修飾因子とはみなされない共変量（純粋な予後共変量）であっても、非縮約性指標に対して集団レベルの治療効果を修飾し、それによって輸送可能性を損なう可能性がある点である。

方法論
著者は、潜在結果の表記法と ICH E9 (R1) 推定量定義に基づく理論的枠組みを採用する。新たな実証データを示すのではなく、異なる仮説的結果生成メカニズム下における各種推定量の数学的性質と解釈を明確化する。

方法論は以下の通りである：

1. 形式的定義: 4 つの主要な推定量を定義する。
   • 周辺治療効果（MTE）: 周辺結果期待値の関数の対比（$E[Y^1] - E[Y^0]$）。
   • 条件付き治療効果（CTEX）: 特定の共変量値を与えられた条件付き期待値の対比（$E[Y^1|X=x] - E[Y^0|X=x]$）。
   • 平均における条件付き治療効果（CTEM）: 平均共変量値（$\bar{X}$）において評価された CTEX。
   • 集団平均条件付き治療効果（PACTE）: 共変量の集団分布全体にわたる CTEX の平均（$E_X[CTEX]$）。
2. 生成モデリング: 著者は、一般化線形モデル（GLM）枠組み内の 3 つの仮説的パラメトリック結果生成モデル下でこれらの推定量を分析する。
   • 均一 CTEX: 治療効果は個人間で一定（相互作用なし）。
   • 線形異質 CTEX: 治療効果は共変量と線形に変動（相互作用あり）。
   • 非線形（二次）異質 CTEX: 治療効果は共変量と非線形（二次）に変動。
3. 縮約性分析: 連結関数 $g(\cdot)$ を適用する前後の順序（平均化）が推定量の同等性にどのように影響するかを検討し、直接縮約性指標（平均差、リスク差）、縮約性だが直接縮約性ではない指標（リスク比）、非縮約性指標（オッズ比、ハザード比）を区別する。
4. ITC への適用: 理論的知見を、間接比較（ITC）で用いられる共変量調整法（MAIC、STC、ML-NMR など）の文脈に適用し、特定の手法が生み出す推定量をマッピングする。

主要な貢献と結果
本論文は、周辺推定量の分類を提供し、異なる要約指標が一致または分岐する条件を明確化する。

• 推定量の非同等性: 著者は、MTE、CTEM、および PACTE が一般的に異なることを実証する。
  • 均一モデルにおいて、MTE は直接縮約性指標（恒等連結）の場合、CTEM および PACTE と等しくなるが、非縮約性指標（ロジット連結）の場合には分岐し、MTE は予後共変量の完全な結合分布に依存する。
  • 線形異質モデルにおいて、MTE は直接縮約性指標の場合、CTEM および PACTE と等しくなる。しかし、直接縮約性ではない指標（対数リスク比など）の場合、MTE はモデル係数と共変量の平均の単純な関数として表現できず、効果修飾因子と予後共変量の完全な結合分布を必要とする。
  • 非線形異質モデルにおいて、CTEM と PACTE は本質的に異なる。ヤンセンの不等式により、PACTE（非線形関数の平均）は CTEM（平均の関数）と等しくならない。MTE は恒等連結の場合には PACTE と一致するが、非線形連結の場合には分岐する。
• 予後共変量の役割: 重要な発見として、治療と相互作用しない純粋な予後共変量であっても、非縮約性指標に対して周辺治療効果を修飾しうる点が挙げられる。したがって、輸送可能性は効果修飾因子の違いだけでなく、予後因子の分布の違いによっても脅かされる。
• 手法固有の推定量: 既存の共変量調整法をその対象推定量にマッピングする。
  • MAICおよびSTC-GはMTEを推定する。
  • STC-P、NMI、およびcross-NMRはCTEMを推定する。
  • ML-NMRはPACTEまたはMTEを推定できる。
• 非互換性のリスク: 分析は、異なる手法からの推定値（例えば、MAIC からの MTE と STC-P からの CTEM）を間接比較で組み合わせることが、推定量の非互換性と潜在的なバイアスにつながることを強調する。これは、異なる共変量セットに基づいた条件付き推定値を試験が報告する場合、特に深刻である。

意義と主張
本論文は、要約指標の選択が研究課題の基本的な構成要素であると主張するが、PICO などの枠組みでは二次的な考慮事項として扱われることが多い。著者は以下を主張する。

1. 用語の明確化: 本論文は、周辺推定量と条件付き推定量を区別するための正確な用語を設定し、文献でしばしば見られる「周辺効果」という用語の曖昧な使用（例えば、CTEM と PACTE の混同）による混乱を防ぐ。
2. 単純なプールへの警告: 著者は、エビデンス統合における周辺指標と条件付き指標の単純なプールがバイアスを生み出すことを強調する。統合手法が互換性のある要約指標を組み合わせるよう注意を払う必要があると述べる。
3. 個別患者データ（IPD）の必要性: 本論文は、推定量の非互換性を解決することは、個別患者データへの完全なアクセスがあれば著しく容易になると示唆する。IPD を用いることで、ML-NMR や IPD メタ回帰などの手法が可能となり、互換性の問題なく任意の望ましい周辺または条件付き要約指標を生成でき、任意の対象集団における共変量分布を調整できる。
4. 輸送可能性の再評価: この研究は、効果修飾因子のみが輸送可能性に影響するという従来の見方を challenge し、予後共変量が非縮約性指標の周辺効果を変化させうることを示している。

結論として、本論文はエビデンス統合のための方法論的ガイドとして機能し、特に間接治療比較や医療技術評価の文脈において、妥当な輸送可能性と互換性を確保するために、研究間で推定量を明示的に定義し整合させるよう研究者に促すものである。