📊 statistics

E-values for Adaptive Clinical Trials: Anytime-Valid Monitoring in Practice

Dit artikel dient als een praktische methodologische gids voor het implementeren van anytime-valid e-waarden in adaptieve klinische trials, waarbij door middel van numerieke studies en het open-source R-pakket `evalinger` wordt aangetoond hoe zij een robuuste controle over de Type I-fout bieden tijdens continue monitoring, terwijl ze tegelijkertijd een levensvatbaar alternatief bieden voor traditionele groepsequentiële en Bayesiaanse benaderingen.

Oorspronkelijke auteurs: Alexandra Sokolova, Vadim Sokolov

Gepubliceerd 2026-02-09

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Alexandra Sokolova, Vadim Sokolov

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 een langlopende rechtszaak leidt om te bepalen of een nieuw medicijn beter werkt dan een placebo. In de oude dagen zeiden statistici: "Wacht tot het allerlaatste moment, tel alle patiënten, en neem dan één definitieve beslissing." Maar in de echte wereld werken klinische trials niet zo. Artsen en veiligheidscomités willen de gegevens bekijken zodra ze binnenkomen om de studie voortijdig te stoppen als het medicijn geweldig is (om levens te redden) of als het duidelijk faalt (om verspilling van middelen te voorkomen).

Het probleem met "gluren" (peeking) is dat het lijkt op het herhaaldelijk gooien van een dobbelsteen. Als je één keer een zes gooit, is dat geluk. Als je tien keer achter elkaar een zes gooit, denk je misschien dat de dobbelsteen bezet is. Maar als je blijft gooien totdat je eindelijk een zes krijgt, bedrieg je jezelf door te denken dat je een patroon hebt gevonden, terwijl het slechts willekeurige ruis was. In de statistiek wordt dit een "Type I-fout" genoemd (een vals alarm).

Dit artikel introduceert een nieuw hulpmiddel genaamd E-Values (Evidence Values) om dit probleem op te lossen. Zo werkt het, met behulp van eenvoudige analogieën:

1. Het Wedspel (De Kernidee)

Stel je voor dat je een gokker bent die wedt tegen het idee dat het nieuwe medicijn niets doet (de "Nulhypothese").

De Opzet: Je begint met $1. Elke keer dat een nieuwe patiënt de trial voltooit, mag je een deel van je geld inzetten op de vraag of het medicijn heeft gewerkt.
De Regel: Als het medicijn niet werkt (de Nulhypothese is waar), is het spel eerlijk. Gemiddeld zul je noch geld winnen, noch verliezen. Je vermogen zal schommelen, maar rond de $1 blijven.
De Winst: Als het medicijn wel werkt, zullen je weddenschappen beginnen op te leveren. Je vermogen (jouw "E-waarde") zal groeien.
De Drempel: Je spreekt van tevoren af: "Als mijn vermogen groeit naar $40, zal ik verklaren dat het medicijn een succes is."

Waarom is dit bijzonder?
In de traditionele statistiek moet je, als je elke dag je bankrekening controleert, je winstdrempel elke keer verlagen als je kijkt, anders krijg je uiteindelijk geluk en denk je dat je gewonnen hebt terwijl dat niet zo is.
Met E-waarden kun je je bankrekening zo vaak controleren als je wilt. Zelfs als je er elke seconde naar kijkt, garandeert de wiskunde dat als het medicijn nep is, je vermogen bijna nooit de $40 zal bereiken. Het is als een "magische" weddenschap die eerlijk blijft, ongeacht hoe vaak je glurt.

2. De Drie Concurrenten

Het artikel vergelijkt drie verschillende manieren om deze trial uit te voeren:

De "Naïeve" Benadering (De Roekeloze Gokker): Dit is het controleren van de gegevens en zeggen: "Hé, de cijfers zien er goed uit!" zonder speciale wiskunde. Het artikel laat zien dat dit gevaarlijk is. Als je 20 keer kijkt, zal je ongeveer 15% van de tijd onterecht een winnaar verklaren (wanneer het medicijn eigenlijk nutteloos is).
De "Group Sequential" Benadering (De Strikte Boekhouder): Dit is de huidige standaard. Je plant exact wanneer je zult kijken (bijv. bij 25%, 50% en 75% van de trial). Je hebt een strikt budget voor hoeveel "risico" je bij elke blik mag uitgeven.
- Voordelen: Het is zeer krachtig (goed in het vinden van echte geneesmiddelen) als je je aan het plan houdt.
- Nadelen: Als je het plan verandert of de gegevens op vreemde momenten bekijkt, breekt de wiskunde en moet je opnieuw beginnen.
De "E-Value" Benadering (De Flexibele Wachter): Dit is de focus van het artikel. Het gebruikt het wedspel dat hierboven is beschreven.
- Voordelen: Je kunt de gegevens bekijken wanneer je maar wilt (zelfs continu, zoals een livestream). Je hebt geen vooraf ingesteld schema nodig. Het is "anytime-valid" (op elk moment geldig).
- Nadelen: Om veilig genoeg te zijn om onbeperkt te kunnen gluren, is het iets minder "krachtig" dan de Strikte Boekhouder wanneer je wel een vast schema volgt. Het duurt iets langer om de $40 drempel te bereiken.

3. Wat de Cijfers Zeggen

De auteurs hebben duizenden computer-simulaties uitgevoerd om te zien hoe deze methoden presteren:

Vast Schema: Als je plant om precies 20 keer te kijken, vindt de "Strikte Boekhouder" (Group Sequential) de waarheid in ongeveer 86% van de gevallen. De "Flexibele Wachter" (E-Value) vindt het in ongeveer 72% van de gevallen. De E-waarde is iets langzamer, maar nog steeds erg goed.
Continue Monitoring: Als je de gegevens bekijkt elke keer dat een patiënt klaar is (wat onmogelijk is voor de Strikte Boekhouder zonder de regels te breken), stort de kracht van de Strikte Boekhouder in naar 10% (hij wordt te bang om een winnaar te verklaren). De Flexibele Wachter (E-Value) blijft sterk op 75%.
De "Futiliteit" Check: Het artikel laat ook zien hoe je dit kunt gebruiken om een trial vroegtijdig te stoppen als het medicijn faalt. Als het wedvermogen begint te krimpen of laag blijft, weet je dat het medicijn niet werkt, en kun je stoppen om geld en patiënten te besparen.

4. De Software en De Toekomst

De auteurs hebben niet alleen theorie geschreven; ze hebben een gratis softwarepakket genaamd evalinger (en een website) gebouwd waarmee artsen en statistici hun eigen wed-simulaties kunnen draaien.

Ze hebben ook gekeken naar het "Regulatoire Landschap" (de FDA). Ze merken op dat hoewel de FDA van de oude "Strikte Boekhouder"-methoden houdt, ze de deur openzetten voor nieuwe methoden. Het artikel betoogt dat E-waarden goed passen bij de nieuwe concept-richtlijnen van de FDA voor 2026, omdat ze een duidelijke, wiskundige garantie bieden dat je de resultaten niet vervalst, zelfs als je van gedachten verandert over wanneer je de gegevens bekijkt.

Samenvatting

Beschouw E-Values als een universele "Waarheidsmeter" voor klinische trials.

Oude manier: Je moet precies beloven wanneer je de meter controleert, anders wordt de meting onbetrouwbaar.
Nieuwe manier (E-Values): Je kunt de meter controleren wanneer je maar wilt, hoe vaak je ook wilt, en de meting is gegarandeerd eerlijk.

Het artikel concludeert dat hoewel E-Values misschien iets langzamer zijn in het vinden van een geneesmiddel in een perfect gepland onderzoek, ze het superieure hulpmiddel zijn voor de rommelige, echte wereld van klinische trials waar plannen veranderen, gegevens laat binnenkomen en veiligheidscomités wanneer nodig moeten gluren.

Technische Samenvatting: E-waarden voor Adaptieve Klinische Studies

Probleemstelling

Adaptieve klinische studies vertrouwen steeds vaker op tussentijdse analyses, flexibele stopregels en datagegevens-afhankelijke ontwerpmodificaties om de ethische efficiëntie en operationele snelheid te verbeteren. Deze kenmerken compliceren echter de statistische garanties. Klassieke frequentistische methoden, zoals groepensequentieel ontwerp, vereisen een vooraf gespecificeerd monitoringschema en een alpha-spending functie om de Type I-fout te beheersen; herhaalde inspectie van vast-horizon teststatistieken zonder dergelijke correcties leidt tot substantiële inflatie van de fout. Evenzo bieden, hoewel Bayesian adaptieve ontwerpen flexibiliteit door middel van posterieure en predictieve waarschijnlijkheden, voldoen standaard drempelregels (bijv. $P(\text{effect} > 0) > 0,975$ ) niet automatisch aan de frequentistische Type I-foutcontrole onder optionele stopzetting en vereisen zij uitgebreide simulatie-gebaseerde kalibratie voor elk specifiek ontwerp.

Er is behoefte aan een methodologie die anytime-valid (te allen tijde geldige) inferentie biedt—statistische garanties die geldig blijven, ongeacht wanneer of hoe vaak de gegevens worden geïnspecteerd, zonder dat een vaste steekproefomvang of een vooraf gespecificeerde stopregel vereist is.

Methodologie

Het artikel stelt het gebruik van e-waarden en e-processen voor als een praktisch alternatief voor tussentijdse monitoring.

Definities: Een e-waarde is een niet-negatieve statistiek $E$ waarvoor geldt $E_{H_0}[E] \le 1$ . Een e-proces is een sequentie van e-waarden $(E_1, E_2, \dots)$ die wordt berekend naarmate de gegevens accumuleren.
De Betting-Martingale Constructie: Voor twee-armige gerandomiseerde gecontroleerde trials (RCT's) met binaire eindpunten, maken de auteurs gebruik van een "testing by betting" raamwerk. Een wedder begint met vermogen 1 en wedt tegen de nulhypothese ( $H_0: p_T = p_C$ ) bij elk paar patiënten. De wedfractie $\lambda$ wordt gekozen op basis van een design-alternatief (vermoedelijke effectgrootte). Het vermogensproces $E_n = \prod_{i=1}^n (1 + \lambda D_i)$ , waarbij $D_i$ het verschil in uitkomst is, vormt een niet-negatief martingale onder $H_0$ .
Anytime-Validiteit: Door Ville's ongelijkheid geldt dat als $(E_t)$ een niet-negatief supermartingale is onder $H_0$ , dan $P_{H_0}(\sup_t E_t \ge 1/\alpha) \le \alpha$ . Dit impliceert dat het verwerpen van $H_0$ wanneer $E_t \ge 1/\alpha$ de Type I-fout controleert op niveau $\alpha$ voor elke stoptijd, gepland of ongepland.
Extensies:
- Survival Eindpunten: Het artikel maakt gebruik van de "safe logrank test", die een e-proces construeert via een mixture likelihood ratio over de hazard ratio, wat geldige inferentie biedt onder optionele stopzetting.
- Futiliteitsmonitoring: Twee mechanismen worden voorgesteld: (1) het inverteren van het e-proces om een anytime-valid confidence sequence te genereren en te stoppen als de bovengrens onder het minimaal klinisch belangrijke verschil (MCID) valt; en (2) het construeren van een "reciproque" e-proces om de omgekeerde hypothese te testen (dat het effect ten minste MCID is).
- Platform Trials: E-waarden ondersteunen multipliciteitscontrole via rekenkundige gemiddelden (voor afhankelijke hypothesen) of producten (voor onafhankelijke hypothesen), wat FDR-controle mogelijk maakt met procedures zoals e-BH.

Belangrijkste Bijdragen

Het artikel dient als een methodologische gids voor praktijkgebruikers en biedt de volgende specifieke bijdragen:

Praktische Constructies: Expliciete ontwikkeling van betting-martingale e-processen voor twee-armige trials met binaire en survival eindpunten, inclusief begeleiding bij het kiezen van de "GROW-optimale" (Growth-Rate Optimal) wedfractie $\lambda$ om de power te maximaliseren onder een design-alternatief.
Numerieke Vergelijking: Een uitgebreide simulatiestudie die vijf monitoringsregels vergelijkt in een twee-armige binaire RCT:
- Naïeve herhaalde p-waarden.
- Gekalibreerd groepensequentieel (O'Brien–Fleming-achtig).
- Betting-martingale e-proces.
- Naïeve Bayesian posterieure drempel.
- Gekalibreerde Bayesian posterieure drempel (simulatie-getuned).
Uitgebreide Simulaties: Analyse van de power gap tussen groepensequentieel en e-waarde methoden over variërende monitoring-schema's (vast, onregelmatig en continu) en design-parameters.
Futiliteitsraamwerk: Implementatie en evaluatie van futiliteitsmonitoring via confidence sequences en reciproke e-processen.
Real-Data Illustratie: Een heranalyse van de Novick (1965) ulcus trial, waarbij de e-waarde trajecten worden vergeleken met de oorspronkelijke klassieke en Bayesian analyses.
Software Implementatie: De release van het evalinger R-pakket en een bijbehorende interactieve Shiny webapplicatie. Deze tools implementeren e-proces constructie, GROW-optimale kalibratie, real-time monitoring, confidence sequences, futiliteitsanalyse en hybride vergelijkingen met groepensequentieel en Bayesian methoden.

Resultaten

De numerieke studie (50.000 simulaties, 20 tussentijdse blikken, $\alpha=0,025$ ) leverde de volgende bevindingen op:

Foutcontrole: Naïeve herhaalde p-waarden en naïeve Bayesian posterieure drempels (bijv. $>0,975$ ) bliezen de Type I-fout op tot ongeveer 13–15%. In contrast hiermee controleerden de gekalibreerde groepensequentiele, de gekalibreerde Bayesian en de e-waarde methoden de Type I-fout succesvol (op of onder 2,5%).
Power Vergelijking (Vast Schema): Onder een vast schema van 20 blikken:
- Gekalibreerd Groepensequentieel: 86,1% power.
- E-waarde (Betting): 72,3% power.
- Gekalibreerd Bayesian: 68,8% power.
- De e-waarde methode was conservatiever dan groepensequentieel maar minder conservatief dan de gekalibreerde Bayesian regel in dit specifieke design.
Gevoeligheid voor Monitoringsschema: De power gap is sterk afhankelijk van het monitoringsschema. Onder continue monitoring (bij elk patiëntpaar), stortte de groepensequentiële power in naar 10% (door de noodzaak voor extreme conservativiteit om de Type I-fout te handhaven), terwijl de e-waarde power toenam naar 75%. Onder onregelmatige schema's behielden e-waarden een stabiele power zonder herkalibratie, terwijl groepensequentiële grenzen herkalibratie vereisten voor elk gerealiseerd schema.
Parametersensitiviteit: De power gap tussen e-waarden en groepensequentiële methoden werd kleiner bij grote effectgroottes (bijv. 2% gap voor $\delta=0,20$ ) maar groter bij kleine effecten bij gematigde baserates (tot 29% gap voor $\delta=0,10$ ).
Futiliteit: De reciproke e-proces was gevoeliger voor het detecteren van futiliteit (53,5% detectieratio) vergeleken met de confidence sequence benadering (14,2%) in een scenario met een sub-klinisch effect.
Real-Data (Novick 1965): Het e-proces cumuleerde bewijs ( $E \approx 15,3$ ) maar overschreed de verwerpingsdrempel niet ( $E \ge 40$ ), wat overeenkomt met de oorspronkelijke klassieke sequentiële analyse die geen significant verschil vond. Dit contrasteerde met de oorspronkelijke Bayesian analyse, die een posterieure wayheid van 0,98 rapporteerde, wat de "prijs van anytime-validiteit" benadrukt: e-waarden vereisen sterker bewijs om te verwerpen onder optionele stopzetting.

Betekenis en Claims

Het artikel positioneert e-waarden als een geprincipleerd raamwerk voor anytime-valid inferentie dat antwoord geeft op de operationele realiteiten van moderne adaptieve studies.

Regulatoire Context: De auteurs plaatsen de methodologie binnen de context van de januari 2026 FDA draft guidance over Bayesian methodologie. Zij stellen dat e-waarden natuurlijk mappen naar de "Type I error calibration" route van de guidance, waarbij zij een analytische garantie voor foutcontrole bieden die de uitgebreide simulatiebelasting van posterieure-drempel benaderingen vermijdt. Zij suggereren ook dat e-waarden kunnen dienen als een "frequentistische veiligheidslaag" of een bewijslast-register naast Bayesian beslisregels.
Praktisch Nut: Het artikel claimt dat e-waarden het meest geschikt zijn wanneer:
- Tussentijdse blikken onregelmatig, opportunistisch of continu zijn.
- Optionele voortzetting (het verlengen van een studie voorbij de geplande horizon) een realistische mogelijkheid is.
- Een auditeerbare, tijd-uniforme validiteitsgarantie een primaire vereiste is.
Beperkingen: De auteurs erkennen bescheiden dat e-waarden geen universele vervanging zijn. Zij merken op dat er een power-penalty is ten opzichte van optimaal gekalibreerde groepensequentiële designs wanneer het monitoringsschema vaststaat en bekend is. Zij wijzen ook erop dat het construeren van krachtige e-processen voor complexe eindpunten (bijv. niet-proportionele hazards) een onderzoeksvoorfront blijft en dat de methodologie zorgvuldige afstemming van de wedfractie vereist om onder-powering te voorkomen.

Concluderend pleit het artikel voor een hybride benadering: het gebruik van Bayesian predictieve waarschijnlijkheden voor operationele besluitvorming, groepensequentiële grenzen voor power-geoptimaliseerde bevestigende analyse bij vooraf geplande momenten, en e-processen als een robuust, anytime-valid bewijslast-register dat geldig blijft ongeacht de frequentie of wijzigingen in het monitoringsschema.