Multilevel network meta-regression for multistate models: Population-adjusted joint synthesis of progression and survival data from individual and aggregate evidence

기술 요약: 다상태 모델을 위한 다층 네트워크 메타 회귀 (ML-NMR-MS)

문제 정의
종양학 네트워크 메타 분석(NMA)에서는 무진행 생존(PFS)과 전체 생존(OS)이 동일한 기저 질환 과정의 기능적 결과물임에 따라, 이들을 별도로가 아닌 합동적으로 합성해야 할 필요성이 인식되고 있다. Jansen 등은 집계 데이터(AgD)에 적합한 삼상(안정, 진행, 사망) 마르코프 모델을 사용하여 다상태 NMA를 도입하였다. 이는 상태 전이 경제 모델을 위한 일관된 합동 합성 및 파라미터화를 제공하지만, 시험 간의 효과 수식 코변리언트(effect-modifying covariates) 불균형을 조정할 수는 없다. 결과적으로, 상대적 효과는 특정 표적 인구 집단에 대해 편향되거나 부적절할 수 있다.

반대로, 다층 네트워크 메타 회귀(ML-NMR)는 개별 환자 수준의 모델을 집계 코변리언트 분포 상에서 통합함으로써 코변리언트 불균형을 해결하고, 개별 환자 데이터(IPD)와 AgD를 일관되게 결합한다. 그러나 기존의 ML-NMR 방법은 단일 종점 결과에 국한되어 있었으며, 다상태 모델의 합동 구조를 처리할 수 없었다. 여기서 발생하는 공백은 인구 집단 조정(population adjustment)과 PFS/OS 데이터의 합동 합성을 동시에 수행할 수 없다는 점이다.

방법론: ML-NR-MS
본 논문은 ML-NMR 통합 IPD-plus-AgD 우도(likelihood)를 질병-사망(illness–death) 다상태 모델 내에 삽입한 **다상태 모델을 위한 다층 네트워크 메타 회귀(ML-NMR-MS)**를 소개한다.

• 모델 구조: 이 방법은 일반적인 다상태 과정을 활용하며, 전이(예: 안정→진행, 안정→사망, 진행→사망)는 로그 스케일 상의 시변 불균질 강도(time-inhomogeneous intensities)를 통해 모델링된다. 모델에는 연구별 기저 계수, 치료 효과, 예후 코변리언트 효과 및 효과 수식 상호작용이 포함된다.
• 데이터 통합:
  • IPD 연구: 연결된 전이(linked transitions)에 대한 전체 다상태 우도를 활용하며, 관찰된 개별 사건 이력과 코변리언트를 사용한다.
  • AgD 연구: 의사 개별 환자 재구성(pseudo-individual reconstruction, 이는 진행과 사망 시간 사이의 연결을 끊음)을 사용하는 대신, 재구성된 코변리언트 분포(보고된 요약 통계량을 맞추기 위해 가우시안 코풀라 사용)에 대해 전이 강도를 준 몬테카를로 적분(quasi-Monte-Carlo integration)하여 코변리언트-한계 상태 점유 확률(covariate-marginal state-occupancy probabilities)을 계산한다.
• 우도 구성:
  • AgD의 경우, 한계 점유율(marginal occupancies)이 조건부 생존 우도에 입력된다.
  • 논문은 두 가지 형태의 집계 우도를 논의한다: 이항 결합 복합체(PFS와 OS를 독립적인 두 이항 분포로 취급, 곡선 위주의 증거에 대한 기본 설정)와 다항 분포(결합 상태 점유를 단일 다항 분포로 취급, 결합 빈도가 있는 경우 선호됨).
  • 합동 우도는 공유된 파라미터 벡터 하에서 IPD로부터의 개별 수준 기여와 AgD로부터의 한계 기여를 결합한다.
• 추정량(Estimands): 이 프레임워크는 특정 코변리언트 값을 가진 환자에 대한 조건부(conditional) 효과와 한계(marginal) 효과(인구 집단 평균)를 모두 생성하며, 절대량 또한 생성한다. 이러한 구분은 해저드 비율(hazard ratios)의 비협업성(non-collapsibility) 때문에 매우 중요하다.
• 추정: 모델은 Hamiltonian Monte Carlo (Stan)를 사용하는 베이지안 프레임워크 내에서 적합된다. 코변리언트 적분은 Sobol' 점을 사용하는 준 몬테카로 적분을 통해 모델 내에서 평가되며, 적분 오차가 무시할 수 있는 수준임을 보장하기 위해 배가 규칙(doubling rule)에 따라 점의 개수가 결정된다.

주요 기여

1. 방법론적 통합: 본 논문은 ML-NMR 통합 우도를 다상태 모델 내에 삽입한다. IPD의 경우 전체 다상태 우도를 사용하며, AgD의 경우 코변리언트 분포에 대해 상태 점유를 적분한다. 이를 통해 연결된 전이(진행 및 사망)를 합성하는 동시에 코변리언트 불균형을 조정할 수 있다.
2. 인구 집단 조정 합동 합성: 이 방법은 어떤 의사결정 관련 표적 인구 집단에 대해서도 인구 집단 조정된 합동 PFS/OS 치료 효과를 산출한다. 또한 조건부 및 한계 상대 효과를 생성하며, 이는 분할 생존 모델(partitioned-survival models)에서 흔히 발생하는 추정량 불일치 없이 상태 전이 경제 모델을 직접 파라미터화할 수 있게 한다.
3. 효과의 분해: 전이를 별도로 모델링함으로써, 진행에 대한 치료 효과와 진행 후 생존에 대한 치료 효과를 분리할 수 있다. 이를 통해 PFS가 OS로 어떻게 전달되는지에 대한 기전적 이해를 제공한다.
4. 예시 적용 및 검증: 이 방법은 다발성 골수종 시험(IPD와 AgD 결합) 네트워크에 적용되었으며, 완전한 진실(known truth)을 바탕으로 한 시뮬레이션 연구를 통해 검증되었다.

결과

• 예시 사례: 다발성 골수종 네트워크에서 ML-NMR-MS는 치료 효과를 성공적으로 분리하였다. 레날리도마이드(lenalidomide)의 경우, OS에 대한 이점은 진행 후 생존에 대한 직접적인 효과보다는 주로 진행 지연(안정→진행 전이)에서 기인한 것임이 밝혀졌다. 모델은 뚜렷한 조건부 및 한계 해저드 비율을 생성하였으며, 이는 비협업성으로 인해 한계 효과가 표적 인구 집단의 코변리언트 분포에 따라 변화함을 보여주었다.
• 시뮬레이션 연구:
  • 회복(Recovery): 올바른 모델 명세 하에서, ML-NMR-MS는 완전한 IPD 골드 표준과 비교할 때 편향되지 않은 추정치와 명목상의 95% 커버리지를 가지며 인구 집단 조정된 전이 효과를 회복하였다.
  • 정밀도: 개별 데이터를 집계 곡선으로 대체하면 정밀도 손실(표준 오차 증가)이 발생하며, 이는 네트워크 내 AgD의 비율에 따라 규모가 결정되었다. 그러나 유효성(편향 및 커버리지)은 유지되었다.
  • 강건성: 방법론은 코변리언트 재구성(가우시안 코풀라 상관관계)의 명세 오류에 대해 강건했다. 그러나 모든 방법론과 마찬가지로, 관찰되지 않은 공유 프레일티(shared frailty)가 존재하는 경우(구조적 명세 오류)에는 편향과 커버리지 붕괴가 나타났다. 또한, 시변 계수 모델이 지정된 경우 비례 위험성을 적절히 처리한 반면, 고정 비례 위험 모델은 시간이 지남에 따라 점점 더 편향되었다.

의의 및 주장
본 논문은 ML-NMR-MS가 개별 및 집계 진행/생존 데이터의 인구 집단 조정된 합성을 위한 단일하고 일관된 프레임워크를 제공한다고 주장한다. 주요 의의는 다음과 같다:

• 합동 합성(다상태 NMA)과 인구 집단 조정(ML-NMR) 사이의 절충 문제를 해결한다.
• 조건부 해저드 비율을 한계 참조 곡선에 적용할 때 발생하는 편향을 피하면서, 표적 인구 집단을 위한 상태 전이 경제 모델을 파라미터화하는 데 필요한 구체적인 구성 요소(조건부 기저 해저드, 예후 코변리언트, 조건부 치료 효과)를 제공한다.
• 치료 효과를 구성 전이로 분해하여, PFS가 OS에 미치는 영향에 대한 기전적 관점을 제공한다.

저자들은 시뮬레이션 연구의 규모가 중간 정도였고 특정 파라미터화에 집중되었다는 점을 언급하며 검증 범위에 대해 신중한 태도를 유지하였다. 또한 매우 희박한 연결성을 가진 네트워크나 극도로 낮은 IPD 가용성을 가진 네트워크에 대한 광범위한 질문은 향후 조사의 과제로 남아 있음을 인정하였다. 이 방법은 혼합된 데이터 유형이 존재하는 상황에서 다상태 구조와 코변리언트 조정을 통합하는 특정 기술적 과제의 해결책으로 제시된다.