A simple and powerful test of vaccine waning

タイトル: ワクチン効果の減衰を検出するシンプルかつ強力なテスト

著者: Gellért Perényi, Matias Janvin, Mats J. Stensrud

問題提起

ワクチン効果（VE）が時間とともに減衰するかどうかを決定することは、公衆衛生上の意思決定において極めて重要です。しかし、減衰を定量化することは方法論的に微妙な問題を含みます。異なる時点での VE 推定値を比較する（例：1 ヶ月後の VE と 3 ヶ月後の VE）従来のアプローチは、「感受性者の枯渇」に起因する選択バイアスの影響を受けます。時間が経過するにつれて、プラセボ群に残存するリスク集団は、感染に対して最も感受性が高かった個体がすでに結果を経験しているため、初期の集団とは異なります。その結果、時間経過に伴う観測された VE の低下は、ワクチンが提供する生物学的保護の真の低下ではなく、この変化する集団構成を反映している可能性があります。

最近の研究（Janvin et al., 2024）は、より弱い仮定の下で減衰を定量化するための因果推定量（チャレンジ効果）を提案しましたが、これらの推定量は標準的な無作為化比較試験（RCT）ではしばしば部分的にしか同定できません。その結果生じる境界値は、減衰の存在または欠如を決定づけるには頻繁に広すぎます。さらに、ハザード比（HR）を用いた標準的な時間至イベント分析は、減衰のテストには不適切です。なぜなら、HR もまた感受性者の枯渇の影響を受けるため、基礎となるワクチン効果が一定であっても、バイアスのかかった解釈をもたらすからです。

方法論

著者らは、因果フレームワークに基づき、個体レベルで治療効果が時間を通じて一定かどうかを評価するための形式的な仮説検定を提案します。

1. 対象とする推定量と仮説:
著者らは、「減衰なし」の鋭い帰無仮説（仮説 1）を定義します。この仮説は、任意の個体において、曝露が時間 1 に起こるか時間 2 に起こるか（時間 1 における隔離を仮定）に関わらず、曝露時の潜在的な結果は同一であると主張します。形式的には以下の通りです：
$$\Delta Y^{a, e_1=1}_1 = \Delta Y^{a, e_1=0, e_2=1}_2 \quad \text{w.p.1} \quad \forall a \in \{0, 1\}$$
これは、個体の感受性が区間全体で一定であり、曝露のタイミングに依存しないことを意味します。著者らは、合理的な仮定（具体的には、プラセボ効果が時間とともに変化せず、正と負の減衰が完全に相殺されることはないという仮定）の下では、この個体レベルの鋭い帰無仮説が、集団レベルの「減衰なし」という概念（$VE^{challenge}_1 = VE^{challenge}_2$）と等価であると論じます。

2. 主要な仮定:
このテストは、盲検化された RCT において妥当な 4 つの主要な仮定に依存します：

• 曝露の必要性: 曝露がなければ結果は発生しない。
• 曝露の排除制限: 時間 1 における曝露は、生存を通じて以外には時間 2 の結果に影響を与えない（無症候性感染による誘発免疫などの持ち越し効果はない）。
• 曝露に対する治療効果の欠如: 盲検化された試験において、治療割り当ては、生存を条件として、時間 1 または時間 2 における曝露を求める確率に影響を与えない。
• 曝露の交換可能性: 曝露のパターンは、生存とベースライン特性を条件として、治療群間で交換可能である。

3. 検定統計量:
帰無仮説と上記の仮定の下で、著者らは単純な等式を導出します。すなわち、第 1 区間における発生率（IR）の比は、第 2 区間における発生率の比と等しくなければならないというものです。
$$IR_1 = \frac{E[\Delta Y_1 | A=1]}{E[\Delta Y_1 | A=0]} = \frac{E[\Delta Y_2 | A=1]}{E[\Delta Y_2 | A=0]} = IR_2$$
検定統計量は、これらの発生率の比（$IR_1 / IR_2$）です。帰無仮説が成り立つ場合、この比は 1 になるはずです。著者らは、この比に対する信頼区間を計算する 3 つの方法を提供します：

• 比に直接適用される$\delta$-法。
• 保守的な$\delta$-法。
• 個体レベルのデータを必要とするノンパラメトリック・ブートストラップ。

重要なのは、著者らがハザード比とは異なり、この特定のテストフレームワークにおいて発生率比は感受性者の枯渇に関する同様の選択バイアスの影響を受けないことを実証した点です。

主要な貢献

1. 減衰のための新規テスト: 本論文は、時間経過に伴う VE 推定値の比較やハザード比の使用に内在する選択バイアスを回避する、鋭い帰無仮説テストを導入します。
2. 検出力と簡便性: 提案されたテストは、既存の部分的同定アプローチ（Janvin et al., 2024）と比較して、著しい検出力の向上を提供します。これは、個体レベルのデータや観測されない異質性の複雑なモデリングを必要とせず、公表されたほとんどの RCT から利用可能な要約データ（発生数）のみを使用して実装可能です。
3. 理論的明確化: この研究は、集団レベルの減衰と個体レベルの減衰の区別を明確にし、妥当な条件（効果の完全な相殺がない）の下では、鋭い帰無仮説の棄却が集団レベルの減衰を意味することを示しています。
4. 境界値の改善: テストに加えて、著者らは減衰効果を境界付ける新しい結果を提供し、追加データ（例：接触者追跡）が利用可能な場合に、Janvin et al. (2024) が導出した境界値を改善する戦略を提示します。

結果

著者らは、実データとシミュレーション例を通じて手法を説明します：

• BNT162b2（COVID-19）の再分析: BNT162b2 試験（Thomas et al., 2021）のデータを再分析した結果、Janvin et al. (2024) による以前の分析は広すぎる境界値のため減衰なしの帰無仮説を棄却できなかったのに対し、新しいテストは帰無仮説を棄却しました（$P=0.01$）。推定された発生率比の比は 0.48 であり、減衰の証拠を提供しました。
• ヘリコバクター・ピロリワクチン: Zeng et al. (2015) による試験の再分析において、テストは帰無仮説を棄却しませんでした（$P=0.97$）。この結果は、生物学的説明（安定した抗体レベル）および元の試験で報告された安定した有効性の知見と一致しており、減衰の欠如を正しく識別するテストの能力を実証しました。
• シミュレーション: シミュレーション研究により、帰無仮説の下でこのテストが正しい第一種過誤率を維持し、特に曝露レベルが変化する際に、ハザード比に基づくテストや保守的な境界値に基づくテストよりも高い検出力を示すことが確認されました。

意義と主張

著者らは、その手法が従来のワクチン試験において解釈可能な仮定の下で有効な、ワクチン減衰を評価する「シンプルかつ強力な」ツールを提供すると主張します。

• 妥当性: このテストは、古典的なアプローチで必要とされる「不合理な仮定」を回避し、盲検化された RCT の標準的な仮定の下で有効です。
• 有用性: これにより、研究者は従来の手法では決定的な答えを提供できなかった既存の試験において、減衰を検出することが可能になります。
• 限界: 著者らは謙虚に、このテストは減衰の「存在」を検出するには強力であるが、さらなる仮定やデータなしには減衰の正確な「大きさ」については一般的に情報を与えないと指摘しています。減衰が確認された場合、低下の程度を定量化するには、フォローアップ試験の実施や追加仮定を用いた再分析などのさらなるステップが必要であると提案しています。
• 範囲: 本論文は、このテストが減衰の存在を評価するものであることを強調しています。テストが帰無仮説を棄却する場合、それは集団のチャレンジ効果の変化を示唆しますが、特定のメカニズム（例：「漏れのある」対「すべてか無か」のワクチン効果）については、さらなる調査が必要となる可能性があります。

要約すると、本論文は、感受性者の枯渇に起因するアーティファクトから真のワクチン減衰を区別するための、厳密で仮定に依存しない統計的フレームワークを提供し、標準的な RCT データからのより信頼性の高い推論を可能にします。