Mitigating the Winner's Curse While Controlling Multiplicity: e-Process Methods for Anytime-Valid Inference in Dose-Ranging Trials

技術的要約：用量設定試験における勝者の呪い（Winner's Curse）の軽減と多重性の制御

問題提起
第II相用量設定試験では、通常、$K$ 個の活性用量を併用対照群に対してランダム化し、臨床的に意味のある効果を持つ用量を特定するために、蓄積されるデータを繰り返し分析する。この標準的な実務は、以下の2つの明確な統計的課題をもたらす。

1. 勝者の呪い（選択による楽観主義）: 最大の観測効果（$\hat{\delta}_{\max}$）を持つ用量を選択することは、上方へのバイアスを生じさせる。個々の推定値が不偏であっても、最大値は「大きいものとして選択された」ために、楽観的に偏ったものとなる。
2. 多重性: データを時系列で繰り返しチェックすること（中間解析）や、複数の用量にわたって検証することは、第一種の過誤（Type I error）率を増大させる。標準的な多重性補正（Dunnett検定など）は、固定された時点でのエラーは制御するが、選択された最大値に内在するバイアスは考慮しておらず、また、バイアス補正は本質的にデータの「覗き見（peeking）」を許容するものではない。

本論文は、**随時妥当な推論（anytime-valid inference）**を提供する手続き、すなわち、任意の停止時刻においてグローバルな第一種の過誤率（誤って「ゴー」決定を下す確率）を制御しつつ、同時に選択された最大値に内在する楽観性を補正する手法の必要性に取り組んでいる。

手法
著者らは、**e-プロセス（e-processes）と選択プレミアム恒等式（selection premium identity）**に基づく新しい統計的枠組みを提案している。核心となる革新は、「勝者の呪い」を単に差し引くべきバイアスとしてではなく、マーチンゲールに基づく検定枠組みの中で考慮すべき予測可能なドリフトとして扱う点にある。

1. 選択プレミアム恒等式:
   本手法は、「選択プレミアム」関数 $sp_L(u)$ を利用する。これは、新たなノイズを観測した後に、リーダー（現在の最良の用量）を切り替える選択肢を保持することによる期待一歩増分を定量化するものである。

   • $S_{t,k}$ を時点 $t$ における用量 $k$ の累積中心化ノイズとする。
   • 選択プレミアムは $sp_L(u) = E[\max_k(u_k + \eta_k)] - \max_k u_k$ と定義される。ここで $\eta$ は次のノイズ増分の分布を表す。
   • このプレミアムは、別の用量がリーダーになるかどうかを見極めるために待機することの「オプション価値」を表している。

2. 等マージン参照モデル:
   真の用量効果を知ることなくプレミアムを計算するために、本手法はすべての用量が同じ効果 $\delta$ を持つ「等マージン（equal-margin）」参照モデルを使用する。著者らは、等マージン構成下での選択プレミアムが、いかなる不均質な真の用量効果の構成に対しても、期待される楽観性の**保守的なエンベロープ（包絡線）**として機能することを証明している。これにより、真の用量反応の形状に関わらず有効な「選択手数料」を課すことが可能となる。

3. e-プロセスの構築:
   本手順は、補正された残差プロセス $R_t(\delta)$ を構築する。
   $$R_t(\delta) = G_t(\delta) - A_t(\delta)$$
   ここで、

   • $G_t(\delta)$ は累積スコア（生の最良効果から候補マージン $\delta$ を引いたもの）である。
   • $A_t(\delta) = \sum_{s=1}^t a_s(\delta)$ は、累積の**選択チャージ（selection charge）**であり、$a_s$ は現在の状態（具体的には、タイになったリーダーの数）に基づいて計算された選択プレミアムである。
   • この予測可能な上方ドリフト（$A_t$）を差し引くことで、残差 $R_t$ は非正のドリフトを持つ超マーチンゲールとなる。

4. 随時妥当な決定ルール:
   本手法は、ベッティング・パラメータ $\lambda$ に関する半正規混合分布を用いて、補正された残差をe-プロセス $E_t(\delta)$ に変換する。ベストな真の効果 $\delta^*$ が臨床的マージン $\delta_0$ を超えるという「グローバル・ゴー」を宣言するための決定ルールは以下の通りである：
   $$\hat{\delta}_{\max, t} \geq \delta_0 + \frac{A_t(\delta_0)}{n_t} + \frac{q_\alpha(V_t; \rho)}{n_t}$$

   • $\hat{\delta}_{\max, t}$: 生の観測された最良効果。
   • $A_t(\delta_0)/n_t$: 選択チャージ（勝者の呪いを補正）。
   • $q_\alpha(V_t; \rho)/n_t$: モニタリング・マージン（e-プロセスの境界から導出される、繰り返しのルックを補正するもの）。
   • $n_t$: 各アームの累積サンプルサイズ。

論文では、ガウス型アウトカム（数値積分またはモンテカルロ法によるプレミアム計算を使用）および二値アウトカム（タイになったリーダーの数 $r_t$ に基づく閉形式の解を使用）に関する具体的な実装を提供している。

主な貢献

• 統一された補正: 本論文は、第一種の過誤の制御（e-プロセスの境界による）と選択バイアスの補正（選択チャージによる）を分離しつつ、それらを単一の決定ルールへと統合している。
• 状態依存的なプレミアム: 静的な補正とは異なり、選択チャージは動的である。それは用量がタイの状態にあるとき（リーダーに関する不確実性が高いとき）に高く、一意のリーダーが現れるとゼロへと減衰し、リーダーを切り替える「オプション価値」が減少することを反映している。
• 随時妥当な信頼区間: すべての候補マージン $\delta$ に対してテストを反転させることで、$\delta^*$（真の最良効果）の随時妥当な下限信頼シーケンスを生成し、下限がサンプルサイズの増加とともに真の最良効果に収束することを保証する。
• 頑健性: 本手法は、Emaxモデルやロジスティックモデルなどのパラメトリックな用量反応モデルやトレンドの仮定に依存しないため、用量反応の形状が未知である探索的な試験にも適用可能である。

結果とパフォーマンス

• 第一種の過誤の制御: シミュレーション研究により、連続的なモニタリングや任意の停止時刻の下でも、提案されたルールが公称レベル $\alpha$（例：0.05）で第一種の過誤率を厳密に制御することが確認された。これに対し、固定ルックの閾値（Dunnett検定など）を計画外の中間解析に適用すると、シミュレーションでは深刻な第一種の過誤の増大（最大24%）を招く。
• 検出力と効率: 本手法は、臨床的マージンを超える効果を検出する十分な検出力を示している。「選択チャージ」は（タイが多い）試験の初期段階でコストを課すが、このコストは一意のリーダーが現れるにつれて消失する。
• 二値アウトカム: 二値エンドポイントの場合、本手法は計算効率が高く、タイになったリーダーの数のみを使用して選択チャージを計算できる。シミュレーションでは、真の効果が十分に大きい場合に本手順が「ゴー」の決定を正しく特定し、下限信頼フロアが真の最良効果に収束することを示している。
• 比較: 提案手法は、アームごとの和のe-プロセスや固定ルックの最大z検定と比較されている。アームごとのe-プロセスの方が一部のシナリオでわずかに高い検出力を提供する場合があるが、提案手法は、個々のアームを独立してテストするのではなく、最大値の選択プロセスを明示的にモデル化しているという明確な利点を持つ。

意義と主張
本論文は、用量設定試験におけるプログラムレベルの活動証明のための、数学的に明示的かつ操作的に透明な解決策を提供すると主張している。

• 範囲: 本手法は、範囲内の少なくとも一つの用量が臨床的マージンを超えるかどうかをテストし、最良の真の効果の下限を提供することを目的としている。
• 限界: 著者らは、本手法は真の最良用量を特定（ローカリゼーション）するものではなく、選択された用量の効果に対して不偏の推定値を提供するものでもないことを明記している。また、用量反応モデリング、安全性評価、またはベネフィット・リスク評価に代わるものではない。
• 価値: 主要な貢献は、第一種の過誤を増大させることなく、柔軟で適応的な試験デザインにおいて「勝者バイアスを意識した」決定を下す能力にある。選択チャージは、選択による楽観性のコストを定量化する「台帳」として機能し、「ゴー」の決定が、選択による最適化と繰り返しのモニタリングの両方のコストを支払った後でも、生の証拠が依然として堅牢であることを保証する。

結論として、本アプローチは、選択された「勝者」が動的に決定される設定における随時妥当な推論のための厳格な枠組みを提供し、選択バイスの補正と逐次的仮説検定の間の溝を埋めるものである。