When Is Enough Precedent Enough? A Decision-Responsive Stopping Rule for Regulatory Precedent Research in Target Product Profile and Label Development
本文提出了一种用于监管先例研究的决策响应型停止规则，该规则综合了信息价值、饱和度以及捕获-再捕获框架，以确定何时已收集到足够的证据用于目标产品概况（TPP）和标签开发，并通过 GLP-1 病例研究证明，固定容量的方法往往会导致过早得出结论，而具备上下文感知能力的方法则能与不断变化的监管格局保持一致。
原始论文采用 CC BY 4.0 许可（https://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，但你的办公室不是犯罪现场，而是一个永不关门的图书馆。每天都有新的书籍、信件和秘密文件送达，而旧的文件有时会被焚毁或重写。你的工作是寻找“完美”的证据集，以证明某个特定的论点，比如一种新药对心脏或肾脏是否安全。问题在于：这个图书馆是无限的。如果你试图阅读所有内容以求“全面”，你将永远无法完成，而且图书馆会在你工作时不断增长。所以，大问题在于：侦探何时停止寻找？ 是读完50本书时停止？还是花了10个小时后停止？还是当你读到足以让“再读一本书也不会改变你的结论”时停止？
这篇论文探讨了医学监管领域中存在的正是这一谜题。它引入了一些关键概念，以帮助侦探们决定何时才算“足够”。首先，是目标产品概况（Target Product Profile），它就像一份蓝图或愿望清单，规定了一款新药应该具备的样子以及它应该被允许达到的功能。其次，是监管先例（Regulatory Precedent），这意味着要观察监管机构（政府官员）在过去是如何处理类似案例的。最后，是**信息价值（Value of Information）**的概念，这是一种高级的问法：“我即将发现的下一件信息，是否值得我投入的时间和金钱？”如果图书馆里的下一本书只是重复你已知的内容，那么阅读它就不值得。但如果它可能会改变你的想法，你就必须继续寻找。
本文作者，来自 Basil Systems, Inc. 的 Saman Kay，提出了一种新的“停止规则”，以帮助研究人员准确知道何时可以关闭图书馆的大门。他们认为，你不能只是随机选择一个阅读文档的数量。相反，你需要一种聪明的策略，这种策略会根据答案实际隐藏的位置而变化。
“同心圆”游戏
为了解释他们的方法，作者将图书馆想象成不仅仅是一堆书，而是一组三个同心圆，就像池塘里的涟漪。
- 第一环（中心）： 这些是关于完全相同的药物或完全相同的疾病的书籍。这是最显而易见的研究地点。
- 第二环（中间）： 这些是关于略有不同、但作用方式相似或治疗相关病症的药物的书籍。
- 第三环（外缘）： 这些是关于完全不同的药物的书籍，但它们可能共享某种特定的规则、一种测试类型或一种衡量成功的方式。
旧的做法只是读到你感到疲劳或达到时间限制为止。作者建议了一种更聪明的方法：遵循“边际收益”（Marginal Yield）。这意味着只要你挑选的每一本新书都能带给你新的且重要的信息，并能改变你的决策，你就继续阅读。一旦一整圈的书籍不再为你提供新的线索，你就停止。
两个故事：心脏 vs. 肾脏
为了证明其规则有效，作者在涉及一种流行的 GLP-1 受体激动剂类糖尿病药物的两个现实场景中测试了它。
故事 1：心脏声称（轻松停止）
首先，他们研究了这些药物是否可以降低心脏风险。他们从第一环（同类别的其他心脏药物）开始。他们发现，第一环的书中已经包含了他们需要的所有答案。外圈（第二环和第三环）只是在重复相同的知识。
- 结果： 他们的规则告诉他们，只需阅读总可用文档量的 60% 即可停止。由于答案就在中心，他们节省了大量时间。
- 陷阱： 如果他们使用“天真”的规则（例如“当你觉得读够了就停止”或“当计算机显示你完成了 95% 时停止”），他们会过早停止，仅读了 25% 的文档，从而错过了某些关键细节。
故事 2：肾脏声称（漫长搜寻）
接下来，他们研究了这些药物是否可以保护肾脏。这一次，情况完全不同。第一环中的药物（同类药物）关于肾脏的信息极少。真正的答案隐藏在第三环，由完全不同类型的药物（如 SGLT2 抑制剂）编写，这些药物多年前就已经为肾脏保护设定了规则。
- 结果： 他们的规则告诉他们，必须一直读到 100%。他们必须阅读每一个环，因为答案就在最边缘。
- 陷阱： 如果他们基于“感觉”或简单的计数过早停止，他们将完全错过故事中最重要的部分。
“PRO”惊喜
作者还在第三个涉及一种罕见神经疾病及“患者报告结局”（一种衡量患者感受的方法）的真实案例中测试了这一点。他们不知道答案在哪里。该规则正确地引导他们来到了第三环，在那里他们发现了一种完全不同的药物，该药物拥有完美的“剧本”，用于衡量患者的感受，尽管它治疗的是不同的疾病。这证明了该规则具有足够的灵活性，可以在意想不到的地方找到答案。
论文的观点（与未涉及的观点）
作者非常明确地说明了他们掌握了什么以及没有掌握什么。他们证明了这种新的“决策响应式”规则比单纯计数文档或凭直觉判断效果更好。他们展示了在某些情况下可以提前停止，而在另一些情况下则必须读完所有内容。
然而，他们明确排除了存在一个适用于所有情况的单一“魔术数字”文档量的想法。他们还反对使用简单的计算机估算（如文中提到的 Chao2 估计量）作为最终停止信号，因为这些计算机可能会被误导，使你在实际上遗漏了最重要的线索时，却误以为已经完成了。
本文将其呈现为一种概念验证。这是使用重建数据和一次真实客户项目进行的“试驾”。作者承认，虽然逻辑严密且结果看起来很有前景，但这还不是一个适用于世界上每种药物的最终统计学证明。他们建议，下一步是在更多的决策中测试此规则，以观察其是否依然成立。
总结
主要的教训是，“足够”并不是一个固定的数字。它是一个移动的目标。如果答案在中心，你就提前停止。如果答案在边缘，你就继续寻找。判断何时停止的最佳方法不是看时钟或页数，而是问自己：“如果我再读一份文件，它会改变我的想法吗？” 如果答案是否定的，你就完成了。如果答案是肯定的，你就继续挖掘。这种方法在可能的情况下节省了时间，同时确保你永远不会错过隐藏在边缘的关键证据。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。