📊 statistics

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

本文比较了基于模型的与特设的断点分析方法，用于评估时间至事件试验中治疗策略估计量在因研究退出导致缺失数据而违反独立删失假设时的稳健性。

原作者： Ajmal Oodally, Craig Wang, Zheng Li, Tim Morris, Tobias Mütze, Arunava Chakravartty

发布于 2026-05-13

📖 1 分钟阅读☕ 轻松阅读

原作者： Ajmal Oodally, Craig Wang, Zheng Li, Tim Morris, Tobias Mütze, Arunava Chakravartty

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一位法官，正在裁决一种新药（我们称之为“药物 A”）是否优于标准疗法（“药物 B”）。你开展了一项大型实验，让患者服用其中一种药物，并观察谁最先复发。

但这里有个问题：有些患者提前退出了实验。可能是因为他们复发了，可能因为无法忍受副作用，或者仅仅是想离开。当他们离开时，你便停止了对他们的观察。在统计学中，这被称为删失（censoring）。

通常，我们假设退出的人与留下的人情况相似，只是不幸地提前离开了。我们假设他们离开的原因与他们实际的病情严重程度无关。这就是“独立删失”规则。

问题所在： 如果这个假设是错误的呢？如果服用药物 A 并退出的人，其实际状况比留下的人更差呢？如果我们忽略这一点，可能会误以为药物 A 是奇迹疗法，而它实际上只是平平无奇。反之亦然。

本文介绍了一种名为** tipping point analysis（ tipping point 分析）**的工具。你可以将其视为对研究结果的“压力测试”。

压力测试的类比

想象你的研究结果是一座桥梁。你想知道：“这座桥在坍塌前能承受多大的重量？”

在此情境下，“重量”是指那些退出研究的患者的不幸程度。

问题： 退出的人必须比留下的人状况差多少，才会使我们要得出的“药物 A 更好”的结论翻转为“药物 A 并不更好”？
** tipping point（ tipping point）：** 桥梁坍塌的确切时刻。如果你必须构想一个极度不现实的场景（例如，“退出的人实际上瞬间死亡”）才能让桥梁坍塌，那么你的研究就是稳健的（robust）。如果只需一点点额外的重量就能让桥梁坍塌，那么你的研究就是脆弱的（fragile）。

测试桥梁的三种方法

本文比较了三种不同的压力测试方法。它们都试图推测退出的人身上发生了什么，但方式不同。

1. “数学模型”方法（基于模型）

工作原理： 该方法使用复杂的数学公式（类似于天气预报模型）来推测退出的人未来本会如何。
类比： 想象一位气象学家说：“根据风暴前观察到的风况模式，如果我们假设风力增强 50%，屋顶就会被吹飞。”他们不断调整公式中的数值，直到结果发生改变。
优缺点： 它非常结构化，遵循统计学规则，但依赖于数学模型的正确性。

2. “里程碑”方法（特设法）

工作原理： 这是一种更简单、更直接的方法。它说：“让我们假设，对于一定数量的退出者，他们在走出大门的那一刻就恰好复发了。”或者，“让我们假设他们永远保持健康。”
类比： 想象一场比赛中的裁判说：“好的，对于接下来离开球场的 5 名球员，我将直接判定他们输掉了比赛。”这是一种极端的“最坏情况”场景。
优缺点： 它易于理解且非常严格，但可能过于严苛而不切实际。这就像说：“如果一个人绊倒，所有人都会摔倒。”

3. “百分位”方法（特设法）

工作原理： 该方法观察那些留在研究中的患者。它挑选出表现“最差”的人（即复发最快的人），并说：“让我们假设退出的人与这些表现最差的人情况完全相同。”
类比： 想象一位老师在给班级评分。她说：“对于提前离开的学生，我将给他们与留在班里成绩最低的 10% 的学生相同的分数。”
优缺点： 它利用了研究中的真实数据，但它假设退出的人与留下的人中表现最差的人完全一样，这可能并不属实。

文中的真实案例

作者在两项真实的药物试验中测试了这些方法：

肺癌试验（CodeBreaK200）：
- 情况： 对照组（标准药物）中许多人非常早地退出了。
- 测试： 美国食品药品监督管理局（FDA）使用了数学模型，发现如果退出的人仅比留下的人“差”55%，该药物的成功就会消失。
- 申办方观点： 制药公司使用了里程碑方法，并辩称他们的结果依然强劲。
- 本文观点： 作者表明，虽然数字看起来不同，但两种方法都在问同一个问题：“退出的人必须有多糟糕？”他们发现，要使该药物失败，退出者的状况必须极其糟糕，以至于在医学上讲不通。因此，该结果可能是稳健的。
乳腺癌试验（ExteNET）：
- 情况： 许多新药组的人提前退出了。
- 测试： 作者进行了压力测试。他们发现，要使新药看起来像失败，你必须假设退出的人复发速度比对照组快三倍以上。
- 结论： 由于这种场景在医学上是不可能的（该药物总体上是安全的），研究结果非常强有力。

核心要点

本文并没有说哪种方法“更好”。相反，它指出：

不要只看数字： 一种方法中的"55% 下降”并不等同于另一种方法中的"55% 下降”。它们衡量的是不同的东西。
要看故事： 最重要的部分是临床合理性。问你自己：“打破我研究的场景在现实世界中真的可能发生吗？”
图表有帮助： 本文建议在压力测试前后绘制生存曲线的图表。如果图表看起来很疯狂（像悬崖一样），那么该假设可能是不切实际的。

简而言之： tipping point 分析是一种用来提问“我们需要多大程度地怀疑我们的数据才会改变想法？”的方法。本文向我们展示了如何在数学上做到这一点，以及如何检查该答案在现实世界中是否合理。

技术摘要：时间 - 事件终点缺失数据的 tipping point 敏感性分析

问题陈述
在确证性临床试验中，监管机构通常更倾向于采用治疗策略估计量（treatment policy estimand），因为它评估的是无论随机化后是否发生干预事件（例如治疗中断）的治疗分配效应。虽然标准的生存分析方法（如 Kaplan–Meier 法、Cox 比例风险模型）隐式地针对该估计量，但它们依赖于独立删失假设（随机删失，CAR）。该假设认为，在给定观测协变量的条件下，事件时间过程与删失时间过程相互独立。

然而，研究中断往往与干预事件（如不良事件或被认为缺乏疗效）同时发生，这可能导致 CAR 假设被违反。当删失依赖于未观测到的结果（非随机删失，CNAR）时，标准分析可能会产生有偏的治疗效应估计。监管指南（如 ICH E9 (R1)）强调需要进行敏感性分析，以评估结论对此类偏离的稳健性。Tipping point 分析提供了一个结构化框架，用于量化必须多大程度地改变关于删失机制的假设，才能改变（或“翻转”）研究结论。尽管该方法已扩展至时间 - 事件数据，但将这些构建与主要估计量及分析模型联系起来的实践指南仍然有限。

方法学
本文描述并对比了三种在时间 - 事件情境下进行 tipping point 分析的具体方法，均利用多重插补框架。这些方法分为基于模型的方法和**临时性（ad hoc）**方法：

基于模型的插补（Delta 调整）：
- 机制： 在独立删失假设下，将参数生存模型（如 Weibull 模型）拟合至观测数据。引入敏感性参数 $\delta$ ，以修改删失患者在删失时间（ $t > c_i$ ）之后的风险函数。
- 实施： 对于实验组，将风险函数放大（ $\delta > 1$ ）以模拟更差的结果；对于对照组，则缩小风险函数（ $\delta < 1$ ）。该方法采用适当的多重插补，从后验预测分布中抽样以考虑参数不确定性。
- 约束： 插补的时间点被截断在最大随访时间，以模拟行政性删失。
临时性方法 1：里程碑抽样（Landmark Sampling）：
- 机制： 这种启发式方法不依赖参数模型。将一部分（ $\kappa$ ）删失患者确定性分配给极端结果。
- 实施： 在实验组中，随机选取一部分删失患者，将其插补为在删失时间点恰好发生事件（最坏情况）；在对照组中，选取一部分患者插补为直到数据截止时仍无事件发生（最好情况）。
- 等价性： 该方法对应于模型基于方法中 $\delta \to \infty$ （所有事件）或 $\delta \to 0$ （所有删失）的情况。
临时性方法 2：百分位抽样（Percentile Sampling）：
- 机制： 另一种启发式方法，其中删失患者通过从合并数据中的特定百分位随机抽样观测到的事件时间来进行插补。
- 实施： 对于实验组，事件时间从观测时间中最差的 $\theta$ 百分位（生存时间最短）中抽样；对于对照组，时间从最好的 $\theta$ 百分位（生存时间最长）中抽样。
- 假设： 这假设删失患者的行为类似于被抽样的特定亚群。

分析框架
通过在一个预定义范围内变化敏感性参数（ $\delta$ 、 $\kappa$ 或 $\theta$ ）来确定 tipping point。对于每个值，生成多个插补数据集，估计治疗效应（如风险比），并使用Rubin 法则进行合并。分析确定结果发生“翻转”的参数值——定义为失去名义显著性，或置信区间跨越零值（HR = 1）。

本文强调，这些方法并未重新定义估计量，而是评估在关于未观测数据的替代假设下，治疗策略估计量的推断稳健性。为了确保临床合理性，作者建议将敏感性参数锚定在外部数据上（例如“跳至参考”场景），并通过插补前后的 Kaplan–Meier（KM）曲线可视化其影响。

案例研究与结果
作者利用两项临床试验的重构数据说明了这些方法：

CodeBreaK200（非小细胞肺癌）： 特征为对照组早期中断率较高。
- 发现： FDA 的基于模型的分析表明，对照组风险降低 55% 将导致结果翻转。作者的重新分析证实了这一点，并指出早期中断者与实验组之间的风险比（0.68）鉴于缺乏其他有效疗法，在临床上似乎不合理，这表明原始结果对极端的信息性删失并不稳健。
ExteNET（乳腺癌）： 特征为实验组（奈拉替尼）早期中断率较高。
- 发现： 基于模型的方法需要风险增加 120% 才能导致结果翻转。临时性里程碑抽样方法（在断药时插补事件）更为保守，仅需将 15 名患者插补为事件即可导致结果翻转。作者指出，120% 的风险增加意味着中断者的风险率几乎是对照组的三倍，鉴于该药物良好的获益 - 风险特征，这似乎极不可能。

主要贡献与主张
本文并不声称引入新的方法学，而是旨在总结和澄清实践中现有的方法。其主要贡献包括：

结构化对比： 提供清晰的分类和逐步算法，对比基于模型与临时性的 tipping point 方法，突出其基本假设和计算差异。
可解释性指导： 强调敏感性参数作用于不同的尺度，不能直接进行数值比较。相反，作者主张通过临床合理性评估来解释结果（例如，将插补后的 KM 曲线与外部数据或临床预期进行比较）。
可视化工具： 演示了绘制来自插补数据集的合并 Kaplan–Meier 曲线的实用性，以可视化不同插补假设引起的偏移幅度。
软件实现： 作者提供了一个开源 R 包 tipse，以促进这些方法的实施。

意义
本文认为，虽然监管机构越来越要求提供 tipping point 分析，但这些分析往往应用不一致。通过将此类分析与治疗策略估计量明确关联，并提供评估临床合理性的框架，作者旨在提高监管环境中敏感性分析的可靠性。这项工作强调，"tipping point"不仅仅是一个统计阈值，而是一个必须结合临床现实进行评估的情景，以确定试验结论的稳健性。