📊 statistics

Efficient Response-Adaptive Randomization for Multi-arm Trials with Prioritized Composite Endpoints

本文通过利用用于净治疗获益的广义两两比较，将高效的响应自适应随机化扩展到具有优先复合终点的多臂试验，在建立严谨渐近性质的同时，证明了在确证性设置中提高分配效率并保持统计有效性的能力。

原作者： Ayon Mukherjee

发布于 2026-08-13

📖 1 分钟阅读☕ 轻松阅读

原作者： Ayon Mukherjee

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，你是一位正试图在浓雾弥漫的大海中寻找最佳航线的船长。你有三种不同的引擎可以测试，你的目标是尽可能多地将乘客安全、快速地送达目的地。在医学研究的世界里，这正是临床试验正在发生的事情。科学家们正在测试新的疗法，但他们面临一个棘手的问题：在试验进行期间，如何决定哪些患者接受“最好”的药物？这就是**响应自适应随机化（response-adaptive randomization）**的领域。把它想象成一个智能红绿灯，它不仅仅是按定时器切换颜色，而是会观察车辆。如果它看到通往“蓝色引擎”的道路比“红色引擎”更顺畅、更快，它就会开始向蓝色路径发送更多的车辆。这样一来，人们无需等到试验结束才能发现哪种方法有效，而是能立即获得更好的治疗。

然而，生活——以及医学——很少只关乎单一的事物。一种新药可能在缩小肿瘤（疗效）方面表现出色，但在引起恶心（安全性）方面却表现糟糕。或者，它可能在长期维持患者生命方面效果很好，但前提是患者不能出现某种特定的副作用。传统上，这些试验通常只关注一个“获胜”指标，比如“肿瘤是否缩小了？”这就像是在评判一场赛车比赛时，只看谁先冲过终点线，却忽略了谁撞车了或谁没油了。Ayon Mukherjee 的这篇新论文探讨了这种复杂性。他提出了一种更聪明的方式来运行这些试验，这种方式会观察一整套“层级化”的目标：首先，患者是否存活？如果存死了，肿瘤是否缩小了？如果肿瘤缩小了，是否避免了不良副作用？这篇论文提出了一个问题：我们能否构建一个能够同时平衡所有这些优先级的交通灯，从而将更多患者引导至在整个评价体系中得分最高的治疗方案？

该论文介绍了一种全新的数学设计，其功能正是如此。该方法并非仅仅看单一的分数，而是使用了被称为**广义两两比较（generalized pairwise comparisons）**的方法。想象一下你正在比较两名电子游戏玩家：你不仅看他们的最终得分，还会按重要程度检查他们的各项统计数据：首先，他们是否完成了关卡？如果两人都完成了，谁剩余的生命值更多？如果生命值持平，谁的弹药更多？这种新设计会对试验中的每一对患者进行处理——一名来自“新药”组，一名来自“旧药”组。它根据这个优先级列表统计谁“赢”了，从而创建一个“净治疗获益”。

该论文的核心发现是，这种新设计具有极高的效率。作者从数学上证明，当你需要同时应对多个优先目标时，这种方法是分配患者的最佳方式。它不仅仅是在猜测，而是通过计算精确的概率，将下一位患者分配给最佳治疗组的概率最大化，以最小化结果中的“波动”或不确定性。在模拟真实癌症试验（包含三个不同治疗组）的模拟实验中，这种新设计被证明优于旧方法。旧方法可能只将 37% 的患者分配给最佳治疗，而这种新的“智能”设计则分配了 46%。至关重要的是，它在做到这一切的同时并没有破坏科学规则：得出错误结论（即在药物无效时声称其有效）的概率始终保持在应有的 5% 左右。

论文还检查了如果数据到达延迟（例如，患者的扫描结果需要几周时间才能返回）时，这个系统是否会失效。数学证明显示，该设计具有鲁棒性；它可以处理这些延迟而不会丧失其优势。通过在一个模拟真实黑色素瘤试验的版本上进行测试，作者展示了如果当年使用这种方法，它会将更多患者引导至最有效的药物组合，并将更少的患者引导至副作用最严重的组合。这篇论文并未声称它是解决所有医学难题的灵丹妙药，但它确实证明了，通过观察全貌而非仅仅盯着一个数字，我们可以让临床试验变得更聪明、更公平、更高效，从而造福参与其中的患者。

技术摘要：针对具有优先级复合终点的多臂试验的高效响应自适应随机化设计

问题陈述
现有的响应自适应随机化（RAR）设计，包括 Hu 等人 [2009] 的高效随机自适应设计（ERAD）及其在 Alkhnefr 等人 [2025] 中的多臂扩展，其局限性在于仅能针对基于单个标量或低维每臂响应的目标分配比例。然而，确证性临床试验越来越多地依赖于具有优先级的复合终点（例如：疗效优先于安全性），这类终点无法在不造成信息损失的情况下简化为单一汇总指标。监管机构要求治疗手段在展现良好疗效的同时，不能具有不可接受的毒性，这通常被形式化为共同主要终点或主要及关键次要终点。目前的 RAR 方法仅响应领先终点，会丢弃关于监管机构和临床医生所优先考虑的权衡关系的批判性信息。此外，目前尚无现有的 RAR 设计能够驱动由若干个具有优先级的、可能存在删失的、混合类型（如生存时间与二元变量）的终点共同驱动的分配。

方法论
本文将高效随机自适应设计进行了扩展，使其目标由跨越一系列优先级终点的广义成对比较（Buyse [2010]）所衍生的净治疗获益来驱动。

框架：
- 考虑一个具有 $K$ 个臂和 $L$ 个优先级终点（ $1 \succ 2 \succ \dots \succ L$ ）的试验，终点为混合类型（如删失的时间-事件数据、二元变量）。
- 对于来自不同臂的任意两名患者，进行词典序比较：首先比较第一个终点；如果出现平局或信息不足（删失），则进入下一个终点进行比较。
- 结果为一个得分 $h \in \{-1, 0, 1\}$ 。臂 $j$ 与臂 $k$ 之间的净治疗获益 $\Delta_{jk}$ 是期望值 $E\{h(\xi_{1,j}, \xi_{1,k})\}$ 。
- 估计量 $\hat{\Delta}_{m,jk}$ 是在顺序累积的患者之上计算的二样本 U-统计量。
设计算法：
- 目标分配 $\rho(\cdot)$ 是估计的成对净获益向量 $\hat{\Delta}_m$ 的一个光滑函数。
- 分配规则遵循多臂 ERAD 结构（Alkhnefr 等人 [2025]）：患者被分配到臂 $k$ 的概率由当前的估计值 $\hat{\rho}_m = \rho(\hat{\Delta}_m)$ 决定，并通过偏倚硬币机制（biased coin mechanism）进行调整，以确保分配比例能够追踪目标。
- 该设计通过将未确定的终点作为比较层级中的删失项，并向较低优先级的终点进行级联，从而处理延迟响应问题。
理论发展：
- 广义 Bahadur 表示： 由于 $\hat{\Delta}_m$ 是在设计依赖型样本量（而非简单的 i.i.d. 项平均值）上评估的 U-统计量，标准的 Bahadur 表示并不适用。作者建立了自适应采样下净获益的序列 Hájek 投影。该表示将估计误差表达为鞅差序列与一个可忽略余项之和。
- 鞅技术： 证明渐近性质的过程结合了该序列投影与原始 ERAD 证明中所使用的鞅技术。比较核 $h$ 的有界性简化了所需的极大不等式证明。

核心贡献

ERAD 的扩展： 该设计从单响应目标推广到了由广义成对比较驱动的目标，适用于任何数量的臂以及任何有限的、有序的混合类型终点集合。
渐近理论： 本文建立了分配比例的强一致性、迭代对数律以及渐近正态性。至关重要的是，作者证明了该设计在追踪净获益之光滑函数的类设计中，达到了分配比例方差的半参数效率界。
- 注关于效率： 作者明确指出，这与经典参数化 ERAD 的 Cramér–Rao 达到性相比是一个“截然不同且较弱”的断言。因为净获益是一个基于秩的、分布无关的泛函（U-统计量）而非有限维参数，因此不存在费舍尔信息量；因此，其最优性是相对于 U-统计量估计器的半参数效率而言的。
处理延迟： 该框架通过将延迟响应确认集成到现有成对比较的删失级联机制中，正式解决了延迟响应问题，而无需额外的复杂机制。

结果
通过针对三臂黑色素瘤 III 期试验（COLUMBUS）校准的模拟对该设计进行了评估。

分配效率： 在存在优效治疗的情景下，该设计比仅响应率的设计更高效地将分配集中在优效臂上（46.4% 对比 37.0%），同时保持了名义一类错误率（约 5%）。
效能与毒性： 在中等分离度的情景下，该设计实现了略高的统计效能，并与仅由单一终点驱动的设计相比，降低了预期的毒性负担（治疗中断）。
稳健性： 敏感性分析证实，该设计的表现对于随访时长、分布假设（Weibull 与对数正态分布）以及患者相关结构的变化具有稳健性。该设计在不同的患者入组率和延迟响应确认下依然有效，符合理论上的 $o_P(m^{-1/2})$ 收敛速率。
重新设计应用： 对 COLUMBUS 试验进行的后验重新设计表明，该设计会向优效联合治疗分配更多患者，向较差的单药治疗分配较少患者，并在不损害统计有效性的情况下，略微减少了不良事件。

意义与主张
本文声称解决了确证性试验中的实际需求，即在这些试验中，单一终点自适应设计无法反映监管机构所要求的复杂权衡（疗效 vs. 安全性）。通过将高效随机自适应设计扩展到具有优先级复合终点，该方法允许在更多患者接受优效治疗的同时，保留推断的有效性。

作者对其理论主张持谨慎态度，承认其效率界是半参数的（相对于净获益之光滑函数的类），而非参数化的 Cramér–Rao 界。他们指出，该设计本身并不具备比针对不同分配函数的设计更高的效能，而是针对一个给定的目标实现了最低方差。这项工作被定位为迈向更具临床相关性的自适应设计的一步，这些设计符合监管机构对复合终点的预期，同时也为处理非劣效性假设、协变量调整以及可能更复杂的多元响应分布泛函留下了研究空间。

类似论文