📊 statistics

Tipping Point Sensitivity Analysis for Missing Data in Time-to-Event Endpoints: Model-Based and Ad hoc Approaches

Dit artikel vergelijkt op modellen gebaseerde en ad hoc-methoden voor het analyseren van kantelpunten om de robuustheid van schattingen van behandelingspoliieken in tijd-tot-evenementstudies te beoordelen bij schendingen van de aanname van onafhankelijke censurering veroorzaakt door ontbrekende gegevens als gevolg van voortijdige studie-afbreking.

Oorspronkelijke auteurs: Ajmal Oodally, Craig Wang, Zheng Li, Tim Morris, Tobias Mütze, Arunava Chakravartty

Gepubliceerd 2026-05-13

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Ajmal Oodally, Craig Wang, Zheng Li, Tim Morris, Tobias Mütze, Arunava Chakravartty

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

Stel je voor dat je een rechter bent die moet beslissen of een nieuw medicijn (laten we het "Medicijn A" noemen) beter is dan de standaardbehandeling ("Medicijn B"). Je voert een groot experiment uit waarbij patiënten het een of het ander nemen, en je observeert wie het eerst opnieuw ziek wordt.

Maar hier zit het probleem: sommige patiënten stoppen vroeg met het experiment. Misschien werden ze ziek, misschien haatten ze de bijwerkingen, of misschien wilden ze gewoon weg. Als ze weggaan, stop je met ze te observeren. In de statistiek heet dit censuur.

Normaal gesproken nemen we aan dat de mensen die stoppen, net zo zijn als de mensen die bleven, alleen ongelukkiger genoeg om vroeg te vertrekken. We nemen aan dat hun reden om te vertrekken niets te maken heeft met hoe ziek ze eigenlijk zijn. Dit is de regel van "Onafhankelijke Censuur".

Het probleem: Wat als die aanname verkeerd is? Wat als de mensen die Medicijn A verlieten, het eigenlijk slechter deden dan de mensen die bleven? Als we dit negeren, zouden we kunnen denken dat Medicijn A een wondermiddel is, terwijl het eigenlijk maar goed genoeg is. Of andersom.

Dit artikel gaat over een tool genaamd Tipping Point-analyse (Kippenpuntanalyse). Denk hierbij aan een "stress-test" voor je onderzoeksresultaten.

De stress-test analogie

Stel je voor dat je onderzoeksresultaat een brug is. Je wilt weten: "Hoeveel gewicht kan deze brug dragen voordat hij instort?"

In deze context is het "gewicht" het pech van de mensen die het onderzoek verlieten.

De vraag: Hoe slechter moesten de mensen die vertrokken presteren (in vergelijking met degenen die bleven) voordat onze conclusie dat "Medicijn A beter is" veranderde in "Medicijn A is niet beter"?
Het kippenpunt: Het exacte moment waarop de brug instort. Als je een extreem onrealistisch scenario moet veronderstellen (zoals: "De mensen die vertrokken, stierven direct") om de brug te laten instorten, dan is je onderzoek robuust (sterk). Als de brug instort met slechts een beetje extra gewicht, dan is je onderzoek kwetsbaar.

De drie manieren om de brug te testen

Het artikel vergelijkt drie verschillende manieren om deze stress-test uit te voeren. Ze proberen allemaal te raden wat er met de mensen is gebeurd die het onderzoek verlieten, maar ze doen dit op verschillende manieren.

1. De "Wiskundig Model"-benadering (Modelgebaseerd)

Hoe het werkt: Deze methode gebruikt een complexe wiskundige formule (zoals een weersvoorspellingsmodel) om te raden hoe de toekomst er voor de mensen die vertrokken hadden uitgezien.
De analogie: Stel je een meteoroloog voor die zegt: "Op basis van de windpatronen die we zagen voor de storm, als we aannemen dat de wind 50% sterker wordt, vliegt het dak eraf." Ze passen de cijfers in hun formule aan totdat het resultaat verandert.
Voor-/nadelen: Het is zeer gestructureerd en volgt de regels van de statistiek, maar het vertrouwt erop dat het wiskundige model correct is.

2. De "Landmark"-benadering (Ad hoc)

Hoe het werkt: Dit is een eenvoudigere, ruwere aanpak. Het zegt: "Laten we doen alsof een bepaald aantal mensen die vertrokken, op het exacte moment dat ze de deur uitliepen, ziek werden." Of: "Laten we doen alsof ze voor altijd gezond bleven."
De analogie: Stel je een scheidsrechter voor in een wedstrijd die zegt: "Oké, voor de volgende 5 spelers die het veld verlaten, ga ik tellen alsof ze het spel direct hebben verloren." Het is een extreem "slechtste geval"-scenario.
Voor-/nadelen: Het is makkelijk te begrijpen en zeer streng, maar het kan te hard zijn om realistisch te zijn. Het is alsof je zegt: "Als één persoon struikelt, vallen iedereen."

3. De "Percentiel"-benadering (Ad hoc)

Hoe het werkt: Deze methode kijkt naar de mensen die bleven in het onderzoek. Ze kiest de "slechtste" presteerders (degenen die het snelst ziek werden) en zegt: "Laten we doen alsof de mensen die vertrokken precies zo waren als deze slechtste presteerders."
De analogie: Stel je een leraar voor die een klas beoordeelt. Ze zegt: "Voor de studenten die vroegtijdig vertrokken, ga ik ze hetzelfde cijfer geven als de onderste 10% van de klas die bleef."
Voor-/nadelen: Het gebruikt echte data uit het onderzoek, maar het neemt aan dat de mensen die vertrokken precies hetzelfde waren als de slechtste mensen die bleven, wat misschien niet waar is.

Reële voorbeelden uit het artikel

De auteurs testten deze methoden op twee echte medicijntests:

De longkanker-test (CodeBreaK200):
- De situatie: Veel mensen in de controlegroep (standaardmedicijn) stopten zeer vroeg.
- De test: De FDA gebruikte het Wiskundig Model en ontdekte dat als de mensen die vertrokken slechts 55% "slechter" waren dan degenen die bleven, het succes van het medicijn zou verdwijnen.
- Het standpunt van de sponsor: Het farmaceutische bedrijf gebruikte de Landmark-benadering en betoogde dat hun resultaten nog steeds sterk waren.
- De conclusie van het artikel: De auteurs toonden aan dat, hoewel de cijfers er anders uitzagen, beide methoden dezelfde vraag stelden: "Hoe slecht moesten de vertrokken mensen zijn?" Ze ontdekten dat het medicijn alleen zou falen als de vertrokken mensen het zo slecht zouden doen dat het medisch niet logisch was. Dus, het resultaat was waarschijnlijk robuust.
De borstkanker-test (ExteNET):
- De situatie: Veel mensen in de groep met het nieuwe medicijn stopten vroeg.
- De test: De auteurs voerden de stress-tests uit. Ze ontdekten dat je, om het nieuwe medicijn als een mislukking te laten lijken, moest aannemen dat de mensen die vertrokken meer dan drie keer sneller ziek werden dan de controlegroep.
- De conclusie: Aangezien dat scenario medisch onmogelijk is (het medicijn was over het algemeen veilig), is het onderzoeksresultaat zeer sterk.

De grote les

Het artikel zegt niet dat één methode "beter" is dan de anderen. In plaats daarvan zegt het:

Kijk niet alleen naar het getal: Een "55% daling" in de ene methode is niet hetzelfde als een "55% daling" in een andere. Ze meten verschillende dingen.
Kijk naar het verhaal: Het belangrijkste deel is klinische plausibiliteit. Vraag jezelf af: "Is het scenario dat mijn onderzoek breekt, eigenlijk mogelijk in de echte wereld?"
Beeldmateriaal helpt: Het artikel suggereert het tekenen van afbeeldingen (grafieken) van de overlevingscurves voor en na de stress-test. Als het plaatje gek lijkt (zoals een klif), is de aanname waarschijnlijk onrealistisch.

Kortom: Tipping point-analyse is een manier om te vragen: "Hoeveel moeten we onze data in twijfel trekken voordat we van mening veranderen?" Het artikel laat ons zien hoe we dit wiskundig kunnen doen en hoe we kunnen controleren of het antwoord in de echte wereld zinvol is.

Technische Samenvatting: Tipping Point-gevoeligheidsanalyse voor ontbrekende data bij time-to-event eindpunten

Probleemstelling
In bevestigende klinische trials wordt de behandelingsbeleidsestimand door regelgevende instanties vaak de voorkeur gegeven, omdat deze het effect van de toewijzing van de behandeling evalueert, ongeacht intercurrente gebeurtenissen na randomisatie (zoals stopzetting van de behandeling). Hoewel standaard overlevingsanalysemethoden (bijv. Kaplan–Meier, Cox proportionele hazards) impliciet deze estimand beogen, zijn ze afhankelijk van de aanname van onafhankelijke censurering (Censoring At Random, CAR). Deze aanname stelt dat, conditioneel op waargenomen covariaten, het proces van de gebeurtenistijd onafhankelijk is van het proces van de censurerings tijd.

Echter, het stoppen van deelname aan een studie valt vaak samen met intercurrente gebeurtenissen (zoals bijwerkingen of een waargenomen gebrek aan werkzaamheid), wat de CAR-aanname potentieel kan schenden. Wanneer censurering afhankelijk is van niet-waargenomen uitkomsten (Censoring Not At Random, CNAR), kunnen standaard analyses tot vertekende schattingen van het behandelingseffect leiden. Regelgevende richtlijnen (bijv. ICH E9 (R1)) benadrukken de noodzaak van gevoeligheidsanalyses om de robuustheid van conclusies ten opzichte van dergelijke afwijkingen te beoordelen. Tipping point-analyse biedt een gestructureerd kader om te kwantificeren hoe sterk aannames over het censureringsmechanisme moeten worden gewijzigd om de conclusies van de studie te veranderen (of te "laten kantelen"). Ondanks methodologische uitbreidingen voor time-to-event data, blijft de praktische begeleiding die deze constructies koppelt aan de primaire estimand en het analysemodel beperkt.

Methodologie
Het artikel beschrijft en contrasteert drie specifieke benaderingen voor het uitvoeren van tipping point-analyses in time-to-event settings, met gebruikmaking van een raamwerk voor meervoudige imputatie. De methoden worden gecategoriseerd in modelgebaseerde en ad hoc-benaderingen:

Modelgebaseerde Imputatie (Delta-aanpassing):
- Mechanisme: Een parametrisch overlevingsmodel (bijv. Weibull) wordt gefit op de waargenomen data onder de aanname van onafhankelijke censurering. Een gevoeligheidsparameter, $\delta$ , wordt geïntroduceerd om de hazardfunctie voor gecensureerde patiënten na hun censurerings tijd ( $t > c_i$ ) te wijzigen.
- Implementatie: Voor de experimentele arm wordt de hazard opgeblazen ( $\delta > 1$ ) om slechtere uitkomsten te simuleren; voor de controlegroep wordt deze afgezwakt ( $\delta < 1$ ). De methode maakt gebruik van correcte meervoudige imputatie, waarbij wordt gesampled uit de predictieve achterwaartse verdeling om parameteronzekerheid in rekening te brengen.
- Beperking: Geïmputeerde tijden worden afgekapt bij de maximale follow-up tijd om administratieve censurering na te bootsen.
Ad Hoc Benadering 1: Landmark Sampling:
- Mechanisme: Deze heuristische methode vertrouwt niet op een parametrisch model. Een subset ( $\kappa$ ) van gecensureerde patiënten wordt deterministisch toegewezen aan een extreme uitkomst.
- Implementatie: In de experimentele arm wordt een willekeurige subset van gecensureerde patiënten geïmputeerd met een gebeurtenis precies op het moment van censurering (slechtst mogelijke scenario). In de controlegroep wordt een subset geïmputeerd om tot het data-cutoff-punt gebeurtenisvrij te blijven (best mogelijke scenario).
- Equivalentie: Deze benadering komt overeen met de modelgebaseerde aanpak waarbij $\delta \to \infty$ (alle gebeurtenissen) of $\delta \to 0$ (alle gecensureerd).
Ad Hoc Benadering 2: Percentiel Sampling:
- Mechanisme: Een andere heuristische methode waarbij gecensureerde patiënten worden geïmputeerd door willekeurig waargenomen gebeurtenistijden te sample uit een specifiek percentiel van de gepoolde data.
- Implementatie: Voor de experimentele arm worden gebeurtenistijden gesampled uit het slechtste $\theta$ -percentiel van waargenomen tijden (kortste overleving). Voor de controlegroep worden tijden gesampled uit het beste $\theta$ -percentiel (langste overleving).
- Aanname: Dit gaat ervan uit dat gecensureerde patiënten zich vergelijkbaar gedragen als de specifieke subpopulatie waaruit ze worden gesampled.

Analyseraamwerk
Het tipping point wordt geïdentificeerd door de gevoeligheidsparameter ( $\delta$ , $\kappa$ , of $\theta$ ) te variëren over een vooraf gedefinieerd bereik. Voor elke waarde worden meerdere geïmputeerde datasets gegenereerd, worden behandelingseffecten (bijv. Hazard Ratio's) geschat en worden deze gecombineerd met behulp van Rubins regels. De analyse bepaalt de parameterwaarde waarbij de resultaten "kantelen" – gedefinieerd als het verlies van nominale significantie of het overschrijden van het betrouwbaarheidsinterval over de nullwaarde (HR = 1).

Het artikel benadrukt dat deze methoden de estimand niet herdefiniëren, maar eerder de robuustheid van de inferentie voor de behandelingsbeleidsestimand beoordelen onder alternatieve aannames over niet-waargenomen data. Om klinische plausibiliteit te waarborgen, stellen de auteurs voor om gevoeligheidsparameters te verankeren aan externe data (bijv. "jump-to-reference"-scenario's) en de impact te visualiseren via Kaplan–Meier (KM)-curves voor en na imputatie.

Casestudies en Resultaten
De auteurs illustreren deze methoden met behulp van gereconstrueerde data uit twee klinische trials:

CodeBreaK200 (NSCLC): Gekenmerkt door een hogere vroege stopzetting in de controlegroep.
- Vondsten: De modelgebaseerde analyse van de FDA suggereerde dat een 55% afzwakking van de hazard in de controlegroep de resultaten zou laten kantelen. De heranalyse van de auteurs bevestigde dit, met de opmerking dat de resulterende Hazard Ratio (0,68) tussen vroege stopzettingen en de experimentele arm klinisch onwaarschijnlijk leek gezien het gebrek aan alternatieve effectieve therapieën, wat suggereert dat de oorspronkelijke resultaten niet robuust waren voor extreme informatieve censurering.
ExteNET (Borstkanker): Gekenmerkt door een hogere vroege stopzetting in de experimentele (neratinib) arm.
- Vondsten: De modelgebaseerde aanpak vereiste een 120% opblazen van de hazard om de resultaten te laten kantelen. De ad hoc landmark sampling-benadering (het imputeren van gebeurtenissen bij stopzetting) was conservatiever en liet de resultaten kantelen wanneer slechts 15 patiënten als gebeurtenissen werden geïmputeerd. De auteurs merkten op dat een 120% opblazen impliceert dat de hazardrate voor stopzettingen bijna drie keer zo hoog is als die van de controlegroep, wat zeer onwaarschijnlijk lijkt gezien het gunstige baten-risicoprofiel van het medicijn.

Belangrijkste Bijdragen en Claims
Het artikel claimt geen nieuwe methodologie te introduceren, maar beoogt bestaande in de praktijk gebruikte benaderingen te samenvatten en te verduidelijken. De belangrijkste bijdragen zijn:

Gestructureerde Vergelijking: Het bieden van een duidelijke taxonomie en stap-voor-stap algoritmen voor modelgebaseerde versus ad hoc tipping point-benaderingen, met nadruk op hun onderliggende aannames en computationele verschillen.
Richtlijnen voor Interpretatie: Benadrukken dat gevoeligheidsparameters op verschillende schalen opereren en niet direct numeriek met elkaar kunnen worden vergeleken. In plaats daarvan pleiten de auteurs voor het interpreteren van resultaten via beoordelingen van klinische plausibiliteit (bijv. het vergelijken van geïmputeerde KM-curves met externe data of klinische verwachtingen).
Visuele Hulpmiddelen: Het demonstreren van de bruikbaarheid van het plotten van gepoolde Kaplan–Meier-curves uit geïmputeerde datasets om de omvang van verschuivingen veroorzaakt door verschillende imputatie-aannames te visualiseren.
Software-implementatie: De auteurs bieden een open-source R-pakket, tipse, om de implementatie van deze methoden te vergemakkelijken.

Betekenis
Het artikel betoogt dat tipping point-analyses, hoewel ze steeds vaker door regelgevers worden gevraagd, vaak inconsistent worden toegepast. Door deze analyses expliciet te koppelen aan de behandelingsbeleidsestimand en een raamwerk te bieden voor het beoordelen van klinische plausibiliteit, streven de auteurs ernaar de betrouwbaarheid van gevoeligheidsanalyses in regelgevende settings te verbeteren. Het werk onderstreept dat het "tipping point" niet slechts een statistische drempel is, maar een scenario dat tegen de klinische realiteit moet worden getoetst om de robuustheid van de conclusies van een trial te bepalen.