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

Resumo Técnico: Mitigando a Maldição do Vencedor enquanto se Controla a Multiplicidade em Ensaios de Escalonamento de Dose

Definição do Problema
Ensaios de fase II para escalonamento de dose tipicamente envolvem a randomização de $K$ doses ativas contra um controle concorrente e a análise repetida de dados acumulados para identificar uma dose com efeito clinicamente significativo. Essa prática padrão introduz dois desafios estatísticos distintos:

1. A Maldição do Vencedor (Otimismo de Seleção): Selecionar a dose com o maior efeito observado ($\hat{\delta}_{\max}$) cria um viés para cima. Mesmo que os estimadores individuais sejam não viesados, o máximo de $K$ estimadores é otimisticamente viesado porque foi selecionado por ser grande.
2. Multiplicidade: Verificar repetidamente os dados ao longo do tempo (análises interinas) e entre múltiplas doses infla a taxa de erro do Tipo I. Correções de multiplicidade padrão (ex: teste de Dunnett) controlam o erro em observações fixas, mas não consideram o viés do máximo selecionado, enquanto correções de viés não licenciam inerentemente o "espiar" os dados repetidamente.

O artigo aborda a necessidade de um procedimento que forneça inferência válida a qualquer momento (anytime-valid): um método que controle a taxa global de erro do Tipo I (a probabilidade de declarar falsamente uma decisão de "seguir adiante/go") em qualquer tempo de parada arbitrário, enquanto simultaneamente corrige o otimismo inerente à seleção do melhor efeito atual.

Metodologia
Os autores propõem um novo framework estatístico baseado em e-processes e na identidade do prêmio de seleção (selection premium identity). A inovação central é tratar a "maldição do vencedor" não apenas como um viés a ser subtraído, mas como um drift previsível que deve ser contabilizado em um framework de teste baseado em martingales.

1. A Identidade do Prêmio de Seleção:
   O método utiliza uma função de "prêmio de seleção", $sp_L(u)$, que quantifica o ganho esperado de um passo ao manter a opção de trocar o líder (a dose atual melhor) após observar um novo ruído.

   • Seja $S_{t,k}$ o ruído centralizado cumulativo para a dose $k$ no tempo $t$.
   • O prêmio de seleção é definido como $sp_L(u) = E[\max_k(u_k + \eta_k)] - \max_k u_k$, onde $\eta$ representa a distribuição do próximo incremento de ruído.
   • Este prêmio representa o "valor de opção" de esperar para ver se uma dose diferente se torna a líder.

2. A Referência de Margem Igual (Equal-Margin Reference):
   Para calcular o prêmio sem conhecer os verdadeiros efeitos subjacentes, o método utiliza um modelo de referência de "margem igual" onde todas as doses possuem o mesmo efeito $\delta$. Os autores provam que o prêmio de seleção sob esta configuração de margem igual serve como um envelope conservador para o otimismo esperado sob qualquer configuração heterogênea de efeitos reais de dose. Isso permite que o procedimento cobre uma "taxa de seleção" que é válida independentemente da forma real da curva dose-resposta.

3. Construção do E-Process:
   O procedimento constrói um processo residual corrigido $R_t(\delta)$:
   $$R_t(\delta) = G_t(\delta) - A_t(\delta)$$
   Onde:

   • $G_t(\delta)$ é o escore cumulativo (melhor efeito bruto menos a margem candidata $\delta$).
   • $A_t(\delta) = \sum_{s=1}^t a_s(\delta)$ é a carga de seleção cumulativa, onde $a_s$ é o prêmio de seleção calculado em cada etapa com base no estado atual (especificamente, o número de líderes empatados).
   • Ao subtrair este drift ascendente previsível ($A_t$), o residual $R_t$ torna-se um supermartingal com drift não positivo.

4. Regra de Decisão Válida a Qualquer Momento:
   O método converte o processo residual corrigido em um e-process $E_t(\delta)$ usando uma mistura de half-normal sobre um parâmetro de apostas (betting parameter) $\lambda$. A regra de decisão para declarar um "go global" (que o melhor efeito verdadeiro $\delta^*$ excede uma margem clínica $\delta_0$) é:
   $$\hat{\delta}_{\max, t} \geq \delta_0 + \frac{A_t(\delta_0)}{n_t} + \frac{q_\alpha(V_t; \rho)}{n_t}$$

   • $\hat{\delta}_{\max, t}$: Melhor efeito observado bruto.
   • $A_t(\delta_0)/n_t$: A carga de seleção (corrigindo a maldição do vencedor).
   • $q_\alpha(V_t; \rho)/n_t$: A margem de monitoramento (corrigindo as observações repetidas, derivada da fronteira do e-process).
   • $n_t$: Tamanho amostral cumulativo por braço.

O artigo fornece implementações específicas para resultados Gaussianos (usando integração numérica ou Monte Carlo para o prêmio) e resultados Binários (usando uma solução de forma fechada baseada no número de líderes empatados).

Principais Contribuições

• Correção Unificada: O artigo separa o controle do erro do Tipo I (via fronteira do e-process) da correção do viés de seleção (via carga de seleção), mas unifica ambos em uma única regra de decisão.
• Prêmio Dependente do Estado: Ao contrário das correções estáticas, a carga de seleção é dinâmica. Ela é alta quando as doses estão empatadas (alta incerteza sobre o vencedor) e decai para zero uma vez que um líder único emerge, refletindo o diminuir do "valor de opção" de troca.
• Sequências de Confiança Válidas a Qualquer Momento: Ao inverter o teste para todos os candidatos a margens $\delta$, o método gera uma sequência de confiança inferior válida a qualquer momento para $\delta^*$ (o melhor efeito verdadeiro), garantindo que o limite inferior converja para o verdadeiro efeito da dose conforme o tamanho da amostra aumenta.
• Robustez: O método não depende de modelos de dose-resposta paramétricos (como Emax ou logístico) ou suposições de tendência, tornando-o aplicável a ensaios exploratórios onde a forma da dose-resposta é desconhecida.

Resultados e Desempenho

• Controle do Erro do Tipo I: Estudos de simulação confirmam que a regra proposta controla estritamente a taxa de erro do Tipo I (probabilidade de falso "go") no nível nominal $\alpha$ (ex: 0,05) mesmo sob monitoramento contínuo e tempos de parada arbitrários. Em contraste, aplicar limiares de observação fixa (como o teste de Dunnett) a observações interinas não planejadas resulta em inflação severa do erro do Tipo I (até 24% nas simulações).
• Poder e Eficiência: O método demonstra poder razoável para detectar efeitos que excedem a margem clínica. Embora a "carga de seleção" imponha um custo no início do ensaio (quando os empates são comuns), esse custo desaparece assintoticamente conforme um líder único emerge.
• Resultados Binários: Para desfechos binários, o método é computacionalmente eficiente, exigindo apenas a contagem de líderes empatados para calcular a carga de seleção. As simulações mostram que o procedimento identifica corretamente a decisão de "go" quando o efeito real é suficientemente grande, com o piso de confiança inferior convergindo para o verdadeiro efeito.
• Comparação: O método proposto é comparado com e-processes por braço e testes max-z de observação fixa. Embora os e-processes por braço possam oferecer um poder ligeiramente maior em alguns cenários, o método proposto oferece uma vantagem distinta ao modelar explicitamente o processo de seleção do máximo, em vez de testar braços individualmente.

Significância e Alegações
O artigo alega fornecer uma solução matematicamente explícita e operacionalmente transparente para provas de atividade em nível de programa em ensaios de escalonamento de dose.

• Escopo: O método é desenhado para testar se pelo menos uma dose no intervalo excede uma margem clínica e para fornecer um limite inferior para o melhor efeito verdadeiro.
• Limitações: Os autores declaram explicitamente que o método não identifica a verdadeira melhor dose (localização), nem fornece estimativas não viesadas para o efeito da dose selecionada. Ele não substitui a modelagem de dose-resposta, avaliações de segurança ou avaliações de benefício-risco.
• Valor: A principal contribuição é a capacidade de tomar decisões "conscientes do viés do vencedor" em designs de ensaios adaptativos e flexíveis sem inflar o erro do Tipo I. A carga de seleção atua como um "livro contábil" que quantifica o custo do otimismo, garantindo que uma decisão de "go" só seja tomada quando a evidência bruta permanecer robusta após pagar tanto pela seleção do vencedor quanto pelo monitoramento repetido dos dados.

O artigo conclui que esta abordagem oferece um framework rigoroso para inferência válida a qualquer momento em configurações onde o "vencedor" é selecionado dinamicamente, preenchendo a lacuna entre a correção de viés de seleção e o teste sequencial de hipóteses.