📊 statistics

Covariate-Adaptive Sample Size Re-estimation for Population-Standardized Historical Control Designs in Single-Arm Trials

本文提出了一种针对外部对照单臂试验的、基于结果盲态且协变量自适应的样本量重新估计框架，该框架通过将历史对照标准化至入组人群，从而在存在基线不平衡和分布偏移的情况下，仍能保持统计效能并控制第一类错误。

原作者： Keisuke Hanada, Masahiro Kojima

发布于 2026-07-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Keisuke Hanada, Masahiro Kojima

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

想象一下你是一名试图破解谜题的侦探，谜题是：“这种新药有效吗？”在完美的科学世界中，你会将一群病人分成两组。一组接受新药治疗，另一组接受安慰剂（一种无效的糖丸）。你观察两组人的情况，看看谁康复了。这就是医学测试的“金标准”。但有时，你无法做到这一点。也许是因为某种疾病非常罕见，你找不到足够的人来组成两个团队；或者是在已有治疗手段的情况下，给病人服用糖丸是不符合伦理道德的。在这些棘手的局面下，科学家必须使用另一种策略：他们将新药测试在一个人群身上，并将其与过去接受过旧标准治疗（或未接受治疗）的一群人进行比较。这些过去的人被称为“历史对照组”。

这种策略的问题就像是试图将一支现代高中篮球队与1950年的球队进行比较。即使球员的身高相同，规则、鞋子和训练方式也可能完全不同。如果新球队赢了，是因为他们更强，还是仅仅因为他们的鞋子更好？在医学试验中，如果新试验中的人与旧记录中的人看起来不同（例如，他们年龄更大、病情更重，或者来自不同的国家），这种比较就会变得混乱。结果可能会产生偏差，并不是因为药物失败了，而是因为两组人并没有遵循相同的规则。科学家需要一种方法来“平衡比赛场地”，以便进行公平的比较，即使两组人的情况看起来并不一样。

这篇论文正是针对这一问题展开讨论的。作者 Keisuke Hanada 和 Masahiro Kojima 提出了一种巧妙的新方法来运行这类单组试验。他们建议使用一种名为“群体标准化样本量重新估计”（Population-Standardized Sample Size Re-estimation）的方法。用通俗易懂的话来说，它是这样运作的：

通常，当科学家规划试验时，他们会猜测新患者群体的样子。他们会说：“我们预计有50人，他们看起来会和我们旧记录中的人很像。”然后他们会计算需要测试多少人才能得出确定的答案。但如果他们的猜测错了怎么办？如果实际参加试验的人比预期的更年长，或者症状不同怎么办？如果他们坚持原有的计划，他们可能会面临试验规模过小而无法发现真相，或者规模过大而造成浪费的局面。

作者的解决方案是保持灵活性。他们建议，与其在开始时就锁定患者人数，不如让研究人员密切关注正在加入的患者。随着新患者的到来，研究人员只观察他们的基本信息（如年龄或体重），而不看药物是否已经奏效。他们利用这些新鲜信息来“重新校准”比较过程。

这就像是在调收音机。在试验开始时，你调到一个你认为正在播放你想听的音乐的频道（历史数据）。但当你听着听着，你意识到信号变得模糊了，因为你正在听的频道发生了偏移。与其放弃，不如慢慢转动旋钮（重新估计样本量），以匹配你现在听到的实际信号。作者的方法使用一种数学上的“平衡得分”来调整旧数据，使其完美契于新人群，就像调整照片尺寸以适应新的相框一样。

论文表明这种方法是安全的。因为研究人员只观察“背景”信息（如年龄），而不观察“结果”（患者是否康复了？），所以他们不会无意中作弊或产生偏差。事实上，论文通过数千次计算机模拟证明，这种方法能够像一名严格的裁判一样，将“第一类错误”（即在药物无效时却错误地声称有效的概率）控制在一定范围内。

模拟还显示，这种灵活的方法比坚持僵化计划要聪明得多。当实际的患者群体与最初的猜测不同时，旧有的“固定”计划往往会失败——要么无法提供足够的人数来证明药物有效，要么会严重偏离预期。然而，新方法可以根据实际情况实时调整所需的人数。它最终所需的人数与一个“完美”试验（即你在开始前就知道未来的情况）中的人数相当，但它并不需要预知未来。

在利用阿尔茨海默病研究数据进行的现实案例中，作者展示了这一方法的实际应用。根据他们选择调整的具体细节，最终需要的患者人数会发生变化。有时是42人，有时是95人。这证明了该方法对实际情况具有敏感性，确保试验规模能够匹配房间里真实存在的人，而不仅仅是他们在规划会议上想象的人。

最终，这篇论文为那些无法使用对照组的科学家提供了一个实用的工具包。它允许科学家面对“谁会出现”这一不确定性保持诚实，在试验过程中调整计划，并且依然能获得关于新疗法是否有效的可靠答案。它将一种“凭猜测和碰运气”的僵化方法，转变为一种动态的、由数据驱动的策略，尊重每一次试验中独特的患者组合。

技术摘要：用于群体标准化历史对照设计单臂试验的协变量自适应样本量重新估计

问题陈述
在随机对照不可行（特别是在罕见病领域或并发对照分配在伦理或实践上存在困难的情况下）时，外部对照单臂试验的使用日益广泛。然而，一个根本性的挑战在于，试验组与历史对照数据（如登记研究或既往试验）之间存在基线不平衡。这些患者特征、日历时间或测量程序的差异可能导致简单的均值差异反映的是群体或数据源的差异，而非治疗效应。

虽然存在倾向评分、G-计算法和逆概率加权（IPTW）等调整混杂因素的方法，但在这些背景下的样本量规划仍然存在问题。传统方法通常基于关于历史对照均值和方差的规划假设来固定样本量。然而，当目标估计量被定义为针对实际入组的活性臂群体时，标准化对照均值及其方差就成为了入组群体协变量分布的显式函数。如果实际入组的人群偏离了规划假设，固定设计可能会面临效能损失或一类错误率上升的问题。此外，标准的样本量重新估计（SSR）方法通常依赖于中间结果的扰动参数（如方差）或条件效能，但由于在入组阶段无法获得活性臂的结局数据，这些方法在此处并不适用。

方法论
作者提出了一个结合了群体标准化估计量与**结局盲态、协变量自适应样本量重新估计（SSR）**的统一框架。

群体标准化估计量：
- 目标群体被定义为实际入组单臂试验的受试者。
- 预先设定的平衡评分 $Z = s(X)$ （例如，试验参与评分）总结了活性臂与历史对照之间的分布差异。
- 通过 IPTW 将历史对照结局标准化至活性臂的评分分布 $F_{Z,A}$ 。对照参数 $\eta_0(F_{Z,A})$ 被定义为：如果入组的活性臂群体接受对照治疗时的预期结局。
- 治疗效应估计量为 $\Delta(F_{Z,A}) = \eta_1 - \eta_0(F_{Z,A})$ ，其中 $\eta_1$ 为活性臂结局。
样本量设计与重新估计：
- 初始设计： 预先设定一个期望的活性臂评分分布 $F^{plan}_{Z,A}$ 。根据治疗效应估计量的方差计算所需样本量 $N(F)$ ，该方差包含了标准化对照参数的方差 $\tau^2_0(F)$ 。
- 结局盲态 SSR： 在试验过程中，仅利用入组受试者的累积基线协变量来更新所需样本量，而不使用活性臂的结局数据。
- 在预设的审查时间点，计算经验评分分布 $\hat{F}_{Z,A,n}$ ，并重新计算标准化对照参数 $\hat{\eta}_0(\hat{F}_{Z,A,n})$ 及所需样本量 $N_{re}(n)$ 。
- 提出了两个版本：
  - 点估计 SSR：直接使用重新计算的样本量。
  - 保守 SSR：使用样本量不确定区间的高限，以应对评分分布的有限样本估计误差。
- 当当前样本量 $n$ 达到更新后的目标 $N_{target}(n)$ 或达到预设的最大值时，停止入组。
理论性质：
- 作者确立了在何种条件下（A1–A5）该程序可以维持近似的一类错误控制和条件效能。
- 定理 1： 证明如果重新估计仅依赖于评分过程（而非结局），则最终检验在由经验评分分布引起的偏差项范围内控制一类错误。
- 定理 2： 表明在给定最终观测评分分布的条件下，确保重新计算的样本量可使效能至少达到目标水平（在正态近似误差范围内）。

核心贡献

估计量的定义： 本文正式定义了一种群体标准化估计量，其中历史对照通过平衡评分被标准化至实际入组的活性臂群体，使得对照参数成为目标分布的函数。
协变量自适应 SSR： 开发了一种新型 SSR 程序，该程序仅基于基线协变量分布进行更新。这解决了标准化对照的方差和效应量取决于入组人群特征这一特定挑战。
理论保证： 为重复盲态 SSR 设置提供了实现近似一类错误控制和保持条件效能的充分条件，这与依赖于未盲态结局数据的其他方法有所区别。
规划与执行的整合： 该框架将基于规划分布的固定设计与基于观测分布的自适应设计统一起来。

结果

说明性应用（ADCS 数据）： 利用阿尔茨海默病协作研究（ADCS）试验的数据，作者展示了标准化对照参数和所需样本量如何随协变量调整集的改变以及入组人群轮廓的变化而发生显著变化。所提出的 SSR 根据观测到的实际协变量轮廓调整了最终样本量，而固定设计则产生静态样本量。
模拟研究：
- 场景： 模拟实验中，真实的活性臂协变量分布与规划假设（分布偏移）存在差异。
- 效能： 仅基于规划假设的固定设计在真实分布偏离计划时会出现效能损失。相比之下，所提出的协变量自适应 SSR 通过根据观测分布调整样本量，使效能维持在接近目标水平（0.80）。
- 比较： 所提出的 SSR 与“预知型（Oracle）”设计（即在规划阶段已知真实分布的设计）表现相似，并且在保持效能的同时，在样本量效率方面优于“最大场景”固定设计。
- 一类错误： 该程序在各种场景下均维持了近似的一类错误控制（接近 0.05），证实了结局盲态重新估计不会导致假阳性率上升。
- 未调整设计： 未调整的固定设计在某些设置下显示出高拒绝率，但作者指出这反映了由于不平衡导致的对照参数误设，而非真正的效能提升。

意义与主张
本文声称为使用外部对照的单臂试验提供了一种实用的设计策略，该策略明确针对群体标准化的治疗效应。通过将目标人群的定义、外部对照的标准化以及样本量重新估计整合到单一框架中，该方法解决了设计阶段的目标群体不确定性问题，而非仅仅依赖于事后协变量调整。

作者强调，其方法允许根据实际入组的人群进行样本量自适应，且无需对治疗结局进行脱盲，从而在确保充分效能的同时维护了试验的完整性。研究结论认为，这种协变量自适应、结局盲态的 SSR 是减轻因规划假设与现实之间存在分布偏移而导致效能损失风险的有效策略。

局限性
作者承认存在若干局限性：

该框架假设观测到的基线协变量足以解释可比性；未观测到的混杂因素或测量/定义的差异仍可能导致偏差。
平衡评分或条件对照参数的模型误设可能会影响标准化对照参数及方差的估计。
该方法依赖于正态近似，并假设活性臂设计值与评分分布相互独立。对于非正态结局、小样本或复杂删失情况的扩展是未来的研究方向。
目前侧重于仅含纯历史对照的单臂设计；包含并发对照的混合设计仍需进一步开发。

技术摘要：用于群体标准化历史对照设计单臂试验的协变量自适应样本量重新估计

类似论文