📊 statistics

A critical evaluation of longitudinal proportional effect models

Dit artikel evalueert kritisch niet-lineaire longitudinale proportionele effectmodellen en toont aan dat hun aanname van een vast behandelingseffect over de tijd leidt tot bias, opgeblazen Type I-foutpercentages en veiligheidsrisico's met betrekking tot de detectie van behandelschade, zelfs wanneer de aanname standhoudt.

Oorspronkelijke auteurs: Michael C. Donohue, Philip S. Insel, Oliver Langford

Gepubliceerd 2026-01-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Michael C. Donohue, Philip S. Insel, Oliver Langford

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Een "Magische" Formule die Geen Magie is

Stel je voor dat je een race loopt om te zien of een nieuwe hardloopschoen (de Actieve Behandeling) mensen helpt sneller te rennen dan hun oude schoenen (de Controlegroep).

Wetenschappers zijn enthousiast over een nieuw wiskundig hulpmiddel genaamd de "Longitudinale Proportionele Effectmodel." De bewering is dat dit hulpmiddel een "supercharger" is. Er wordt beweerd dat dit hulpmiddel krachtiger is dan standaardmethoden en een direct antwoord geeft op een zeer specifieke vraag: "Met welk percentage heeft de nieuwe schoen de snelheid van de hardloper verbeterd?"

Dit artikel van Donohue, Insel en Langford is echter een waarschuwing op het etiket. Zij stellen dat deze "supercharger" eigenlijk kapot is. Het geeft niet alleen betere antwoorden; het geeft bevooroordeelde antwoorden die je doen geloven dat een behandeling beter werkt dan hij in werkelijkheid is, terwijl het verbergt dat het zelfs schadelijk zou kunnen zijn.

Het Kernprobleem: De "Nulpunts"-valstrik

Om de bias te begrijpen, stel je een thermometer voor.

Standaardmethode (De Liniaal): Meet het verschil in graden. Als de kamer van 70° naar 75° gaat, is de verandering +5°. Als het van 0° naar 5° gaat, is de verandering nog steeds +5°. Het maakt niet uit waar je begint.
De "Proportionele" Methode (Het Percentage): Meet de verandering relatief aan het startpunt.
- Als je begint bij 70° en naar 75° gaat, is dat een klein percentage winst.
- Als je begint bij 0° en naar 5° gaat, breekt de wiskunde. Je kunt geen percentage van nul berekenen.
- Als je begint bij -10° (onder nul) en naar -5° gaat, wordt de wiskunde vreemd en instabiel.

Het artikel stelt dat in medische onderzoeken (vooral bij ziekten zoals Alzheimer) het "startpunt" (de gemiddelde score van de controlegroep) vaak rond de nul zweeft of zelfs negatief wordt (wat een achteruitgang in gezondheid vertegenwoordigt). Wanneer de wiskunde probeert een "percentage verbetering" te berekenen vanaf een getal nabij nul, wordt het instabiel en begint het resultaten te hallucineren.

De "Vooroordelen"-bias: Een Eenrichtingsverkeer

De auteurs ontdekten dat dit model een ingebouwde vooringenomenheid heeft.

Stel je een rechter voor die stiekem op het nieuwe schoenmerk wedt.

Als de nieuwe schoenen helpen: Vertekent het model hoe erg ze hielpen. Het laat de verbetering er enorm uitzien.
Als de nieuwe schoenen schadelijk zijn: Heeft het model moeite om de schade te zien. Het werkt als een blinde vlek, waardoor het heel moeilijk is om te detecteren of de behandeling de situatie eigenlijk slechter maakt.

Het artikel laat zien dat deze bias optreedt zelfs wanneer de regels van het model perfect worden gevolgd. Het is geen fout in de manier waarop wetenschappers het hulpmiddel gebruikten; het hulpmiddel zelf is gebrekkig.

De "Groepslabeling"-truc

Het artikel wijst op een vreemde eigenaardigheid: het antwoord van het model verandert afhankelijk van welke groep je "Groep A" noemt en welke je "Groep B" noemt.

Als je de Nieuwe Behandeling als de hoofdgroep labelt, bevoordeelt het model het resultaat om de behandeling er goed uit te laten zien.
Als je de labels zou omdraaien en de Controlegroep de hoofdgroep zou maken, zou het model het resultaat zo bevoordelen dat de controle er goed uit komt te zien.

Dit is als een weegschaal die naar links kantelt als je het object aan de linkerkant legt, en naar rechts kantelt als je het object aan de rechterkant legt. Een goede weegschaal moet hetzelfde gewicht geven, ongeacht waar je het object plaatst. Omdat dit model van mening verandert op basis van de labeling, zijn de resultaten onbetrouwbaar.

De Simulatie-resultaten: De "93% Fout"

De auteurs hebben computer-simulaties (virtuele klinische trials) uitgevoerd om dit te testen. Ze vonden angstaanjagende resultaten:

Wanneer de gemiddelde score van de controlegroep dicht bij nul lag, begon het model in 93% van de gevallen de stelling te verwerpen dat "er niets gebeurd was", zelfs wanneer er helemaal geen behandelings-effect was.
In een standaardtest verwacht je dat je in 5% van de gevallen fout zit (dit wordt een Type I-fout genoemd). Dit model zat bijna 20 keer vaker fout dan het zou moeten.
In veel gevallen gedroeg het model zich als een eenzijdige test: het zou alleen roepen "Het werkt!", maar zelden roepen "Het is schadelijk!".

Het Veiligheidsaspect: Schade Verbergen

Het gevaarlijkste deel van deze bias is de veiligheid.
Bij ziekten zoals Alzheimer is er een reële angst dat een medicijn het geheugen juist kan verslechteren (behandelingsschade).

Omdat dit model bevooroordeeld is naar de kant van het zien van verbetering, is het erg slecht in het zien van achteruitgang.
De auteurs waarschuwen dat het gebruik van dit model kan leiden tot de goedkeuring van een medicijn dat de patiënten eigenlijk schade berokkent, simpelweg omdat de wiskunde te druk was met het zoeken naar een "percentage verbetering" om de schade op te merken.

De Conclusie: Gebruik het Niet

De auteurs concluderen dat, ondanks de belofte van een hogere statistische power (het vermogen om een signaal in de ruis te vinden), dit model het risico niet waard is.

De "power" die het claimt te hebben, is eigenlijk gewoon bias die zich voordoet als succes.
Standaard, lineaire modellen (de "linialen") zijn veiliger, eerlijker en veranderen hun antwoorden niet op basis van hoe je de groepen labelt.
Ze bevelen aan dat wetenschappers dit soort proportionele effectmodellen vermijden, vooral vanwege de veiligheidsredenen.

Kortom: Het artikel zegt dat dit nieuwe wiskundige hulpmiddel als een kapotte snelheidsmeter is die altijd "snel" aangeeft wanneer je in een nieuwe auto rijdt, maar faalt om je te waarschuwen wanneer je een afgrond in rijdt. Het is beter om een oude, betrouwbare snelheidsmeter te gebruiken dan een hippe die tegen je liegt.

Technische Samenvatting: Een Kritische Evaluatie van Longitudinale Proportionele Effectmodellen

Probleemstelling
Niet-lineaire longitudinale proportionele effectmodellen zijn onlangs voorgesteld (bijv. door Wang et al. [2024]) om proportionele behandelingseffecten in gerandomiseerde klinische trials te schatten, met claims van verhoogde statistische power en directe klinische interpreteerbaarheid. Deze modellen gaan ervan uit dat de gemiddelde trend van de actieve interventiegroep een vast proportie is van het gemiddelde van de controlegroep over de tijd, geparametriseerd als $f_A(t) = f_C(t)(1 - \theta)$ .

De auteurs identificeren echter kritieke gebreken in deze aanpak. Het primaire probleem is dat deze modellen inherent vertekend (biased) zijn, zelfs wanneer de aanname van het proportionele effect standhoudt. Deze bias is gevoelig voor de etikettering van behandelgroepen; de specifieke parametrisering die in de bestaande literatuur wordt gesuggereerd, induceert een bias die de actieve behandelgroep bevoordeelt. Dit leidt consequent tot opgeblazen Type I-foutpercentages, potentieel eenzijdige toetsingsgedragingen en een verminderd vermogen om behandeling-gerelateerde schade (veiligheidssignalen) te detecteren. Boveraan de modellen worden ongedefinieerd of instabiel wanneer het gemiddelde van de controlegroep de nul nadert, een scenario dat plausibel is bij presymptomatische ziektestadia of specifieke cognitieve uitkomsten.

Methodologie
Het artikel maakt gebruik van een combinatie van theoretische analyse en simulatiestudies om de prestaties van proportionele effectmodellen te evalueren tegenover standaard lineaire modellen.

Cross-sectionele Analyse: De auteurs onderzoeken eerst een speciaal geval van het proportionele model op één enkel tijdstip. Ze vergelijken de nonlinear least squares-schatter voor het proportionele effect ( $\hat{\theta}$ ) met de bekende twee-steekproef t-toets-schatter voor het additieve verschil ( $\hat{\delta}$ ). Simulaties worden uitgevoerd over variërende gemiddelden van de controlegroep ( $\beta_C$ ) en behandelingseffecten ( $\delta$ ).
Longitudinale Simulatie: De auteurs simuleren 10.000 klinische trials onder vier verschillende scenario's (A–D) die verschillende gemiddelde trends over de tijd vertegenwoordigen:
- Scenario's A–C: Lineaire trends waarbij het gemiddelde van de controlegroep niet nul is, wat voldoet aan de aanname van het proportionele effect.
- Scenario D: Een lineaire trend waarbij het gemiddelde van de controlegroep vastgesteld is op nul, wat de eindige definitie van het proportionele effect schendt.
- Vergelijking van Modellen: Voor elke dataset worden twee modellen gefit:
  - Een lineair Mixed Model Repeated Measures (MMRM) met een ongestructureerd gemiddelde en een additief behandelingseffect ("slope").
  - Een niet-lineair Proportional MMRM (pMMRM) met een ongestructureerd controle-gemiddelde en een vast proportioneel behandelingseffect.
- Beide modellen bevatten patiëntspecifieke random intercepts en leggen de baseline groepgemiddelden gelijk (constrained Longitudinal Data Analysis, of cLDA).
Evaluatiemetrieken: De studie beoordeelt statistische power, Type I-foutpercentages en de proportie afwijzingen die de actieve groep bevoordelen onder de nulhypothese. "Zipper plots" worden gebruikt om de distributie van schattingen en betrouwbaarheidsintervallen te visualiseren, waarbij specifiek wordt gekeken naar asymmetrie en bias.

Belangrijkste Bijdragen en Resultaten
De simulaties onthullen dat de vermeende efficiëntiewinsten van proportionele effectmodellen grotendeels artefacten zijn van bias in plaats van echte statistische power.

Bias en Gevoeligheid voor Etikettering: De proportionele schatter is gevoelig voor de locatie van het gemiddelde van de controlegroep. Wanneer $\beta_C$ nabij nul ligt, vertoont het model een significante bias. De specifieke parametrisering die in de literatuur wordt gebruikt, bevoordeelt de actieve groep, wat leidt tot asymmetrische betrouwbaarheidsintervallen en een hoog percentage afwijzingen ten gunste van de actieve groep, zelfs wanneer er geen behandelingseffect bestaat.
Inflatie van Type I-fout: In longitudinale simulaties, naarmate het gemiddelde van de controlegroep de nul nadert (van Scenario A naar D), neemt de Type I-fout voor het proportionele model dramatisch toe. In Scenario A (controlegemiddelde nabij nul) bereikte de Type I-fout 5,3% met 93,2% van de afwijzingen ten gunste van de actieve groep. In Scenario D (controlegemiddelde = 0) schoot de Type I-fout omhoog naar 34,0%, met 100% van de afwijzingen ten gunste van de actieve groep.
Power vs. Veiligheid: Hoewel het proportionele model een hogere power leek te tonen (bijv. 93,8% vs. 88,2% in Scenario A) wanneer het behandelingseffect positief was, werd deze "verbetering" gedreven door de bias. Omgekeerd vertoonde het model een verminderde power om behandelingsschade ( $\delta < 0$ ) te detecteren. In cross-sectionele simulaties met $\delta < 0$ domineerde de standaard t-toets over het algemeen de proportionele toets.
Vergelijking met Lineaire Modellen: Het lineaire "slope"-model vertoonde consistente operationele kenmerken over alle scenario's, waarbij het nominale 5% Type I-foutpercentage en symmetrische afwijzingspercentages onder de nulhypothese behield. De prestaties van het proportionele model verslechterden naarmate het controlegemiddelde de nul naderde, terwijl het lineaire model robuust bleef.

Betekenis en Claims
Het artikel concludeert dat de longitudinale proportionele effectmodellen die in recente tutorials worden gepromoot, fundamenteel gebrekkig zijn voor klinische trial-analyse. De auteurs stellen dat:

De modellen zijn vertekend (biased): De bias bestaat zelfs wanneer de modelaannames correct zijn en wordt verergerd wanneer het gemiddelde van de controegroep nabij nul ligt.
Veiligheidsrisico's: De bias maakt het moeilijk om behandeling-gerelateerde verslechtering (schade) te detecteren, wat een aanzienlijk veiligheidsrisico vormt. Dit is bijzonder relevant voor therapieën waarbij cognitieve achteruitgang een bekend risico is (bijv. BACE-remmers).
Aanbeveling: Biostatistici en klinische trialisten moeten deze modellen vermijden. De schijnbare voordelen in power zijn onterecht opgeblazen door bias.
Alternatieven: De auteurs suggerers dat onzekerheidsintervallen voor proportionele effecten kunnen worden afgeleid van flexibele lineaire modellen met behulp van de delta-methode, bootstrap of Markov chain Monte Carlo, zonder de bias te introduceren die inherent is aan de niet-lineaire parametrisering.

Het artikel stelt geen nieuw model voor, maar dient als een kritische waarschuwing tegen de adoptie van de specifieke niet-lineaire proportionele parametrisering die momenteel in de literatuur wordt besproken, waarbij wordt gewezen op de potentie om trial-uitkomsten te misleiden en de patiëntveiligheid in gevaar te brengen.