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

技術的サマリー：結果の遅延がサンプルサイズ再推定の効率性に与える影響の評価

問題定義
サンプルサイズ再推定（SSR）は、計画段階で nuisance パラメータ（分散やイベント発生率など）が不確実な場合に、臨床試験が事前に設定された検出力要件を満たすことを保証するために広く用いられる適応的デザインである。SSR デザイン、特に盲検化された「内部パイロット」タイプは柔軟性を提供するが、通常、治療結果が被験者募集直後に利用可能であると仮定している。実際には、多くの試験において主要評価項目は長期にわたり、結果に遅延が生じる。

この遅延は「パイプライン」効果を生み出す。中間結果データを待ちながら募集を継続する場合、中間解析時に結果が利用できない被験者が相当数募集されてしまう。遅延が顕著な場合、再推定されたサンプルサイズが必要と判断する数よりも多くの被験者が募集される可能性がある。これにより過剰な検出力を持つ試験となり、不要な財政的コストとリソースの浪費を招く。逆に、結果を待つために募集を停止すると、試験期間が長期化する。過去の文献では、結果の遅延がグループ逐次デザインや多段階デザインに負の影響を与えることは確立されているが、特に最終サンプルサイズの分布および再推定の精度に関する SSR デザインにおける具体的な効率性の損失については、さらなる調査が必要とされていた。

方法論
著者らは、シミュレーション研究を用いて、盲検化された SSR デザインにおける結果の遅延が効率性に与える影響を調査した。本研究は連続変数（正規分布）に焦点を当て、補足資料において二値変数への拡張も行っている。

• デザインフレームワーク: 本研究は、$n_1$ 人の被験者が募集された後に中間解析を行う 2 段階デザインを仮定している。Nuisance パラメータ（分散 $\sigma^2$）は、盲検化データのプールされた標本分散を用いて再推定される。サンプルサイズは、この再推定に基づいて調整され、目標検出力を達成する。
• 遅延モデル: 主要評価項目を観測するために必要な遅延期間 $m$（時間単位）をモデル化する。この期間中も募集は継続されると仮定する。「パイプライン」被験者数（$n_{delay}$）は、以下の 2 つの募集パターンに基づいて計算される。
  1. 一様: 一定の募集率（ポアソン到着）。
  2. 線形: 募集率が時間とともに線形に増加する（新規施設の開設をシミュレート）。
• 最終サンプルサイズ（$N^*$）: 最終サンプルサイズは、再推定された必要数（$n^*$）とパイプライン被験者数によって決定される。$n^*$ がパイプラインの蓄積を上回る場合、$N^* = n^*$ となる。逆に、パイプラインの蓄積が再推定された必要数を超える場合、$N^* = n_1 + n_{delay}$ となり、過剰募集された試験となる。
• シナリオ: 初期仮定（$\sigma^2_{init}$）に対する 3 つの分散シナリオにおいて、10,000 反復でシミュレーションが実行された。
  • ケース I: 真の分散が低い（$\sigma^2 = 8 < 10$）、計画されたものよりも再推定されたサンプルサイズが小さくなる。
  • ケース II: 真の分散が仮定と一致（$\sigma^2 = 10 = 10$）。
  • ケース III: 真の分散が高い（$\sigma^2 = 12 > 10$）、計画されたものよりも再推定されたサンプルサイズが大きくなる。
• 効率性指標: 著者らは遅延の影響を定量化するために、以下の 3 つの指標を提案し、利用している。
  1. 遅延影響: パイプライン被験者により、最終サンプルサイズが再推定された必要数を超えた試験の割合。
  2. 二乗平均平方根誤差（RMSE）: 「オラクル」サンプルサイズ（真の分散が最初から既知であった場合に必要とされるサイズ）に対する最終サンプルサイズの精度を測定する。
  3. コスト: 新たな指標として $E[(N^* - n_{oracle})^2 / 100 \times Power(N^*)]$ を定義する。これは、過剰な募集のコストよりも、治療効果を検出できないことの帰結の方が重大であるという点を反映し、検出力不足の試験を過剰な試験よりも重く罰する。

主要な結果
シミュレーション結果は、結果の遅延の影響が、真の分散と当初計画されたサンプルサイズの関係、および募集パターンに強く依存することを示している。

• 最終サンプルサイズの分布: 遅延期間（$m$）が長くなるにつれて、最終サンプルサイズ分布の広がりは減少する。これは、パイプライン被験者の蓄積により達成可能な最小サンプルサイズが上昇するためである。
• ケース I（過剰計画/真の分散が低い）: このシナリオは遅延の影響を最も強く受ける。再推定されたサンプルサイズが初期計画より小さいため、パイプライン被験者が総募集数を必要な $n^*$ 以上へ押し上げる傾向がある。これにより「遅延影響」が高くなり（例：一様募集条件下で 10 ヶ月の遅延の場合、約 80%）、過剰な検出力を持つ試験が頻発する。RMSE およびコスト指標は遅延とともに急激に増加する。
• ケース III（過少計画/真の分散が高い）: このシナリオは遅延の影響を最も受けにくい。再推定されたサンプルサイズが初期計画より大きいため、パイプライン被験者は必要な総数に対してプラスに寄与する。遅延影響は最小限であり、場合によっては（一様募集の場合）、募集を停止するよりも遅延期間中に募集を継続する方が効率性が向上する。
• 募集パターン: 線形募集パターンは、遅延期間中に加速する募集率によりより多くのパイプライン被験者を生成するため、一様パターンと比較して一般的にコストが高く、遅延影響も大きい。
• 第 1 段階サンプルサイズ（$n_1$）: $n_1$ を増加させると再推定されたサンプルサイズのばらつきは減少するが、遅延が存在する場合は最小最終サンプルサイズが増加する。著者らは、分散推定の信頼性と遅延に起因する過剰募集の深刻さのバランスを取るため、群あたり 35 人（合計 70 人）の第 1 段階サンプルサイズが妥当であると結論づけている。

意義と主張
本論文は、SSR は強力なツールであるが、計画段階で結果の遅延を無視すると、主にコストが膨らんだ過剰な検出力を持つ試験として顕在化する、著しい効率性の損失を招くと主張している。本研究は以下の点を示している。

1. 文脈依存性の影響: 遅延の深刻さは均一ではなく、真の分散が予想より低い場合、つまり試験が当初計画よりも少ない被験者を必要とする場合に最も有害である。
2. 指標の革新: 「コスト」指標と「遅延影響」の導入は、過剰募集のリスクを特に浮き彫りにし、従来の指標よりも効率性損失のよりニュアンスに富んだ理解を提供する。
3. 実践的ガイダンス: 結果は、連続変数のデータの場合、群あたり 35 人の被験者を募集した後に中間解析を行うことが合理的な戦略であることを示唆している。これは以前の外部パイロットに関する推奨（Teare ら）と整合するが、分散推定の精度とパイプライン蓄積のリスクのバランスを取るという観点から、盲検化された内部パイロット SSR の文脈に拡張したものである。
4. 相対的な頑健性: 著者らは、遅延が SSR に影響を与えるものの、その効果は有効性または無効性の早期停止を可能にするデザイン（例：シモンの 2 段階デザインやグループ逐次デザイン）に比べて軽度であると指摘している。

著者らは、SSR 試験を計画する際に、特定の募集パターンと遅延期間を考慮した慎重なシミュレーション研究が、潜在的な財政的およびリソース上の不利益を緩和するために不可欠であると結論づけている。彼らは遅延に対処するための新しいアルゴリズムを提案するのではなく、遅延条件下における既存の「盲検」アプローチの定量的評価を提供している。