[Adobe Stock]
Рандомізовані контрольовані дослідження (РКВ) є золотим стандартом для досліджень, що підтверджують схвалення лікарських засобів, але вони не завжди здійсненні через такі фактори, як етичні проблеми або дуже невелика популяція пацієнтів.
Якщо РКД неможливо, дослідники можуть вибрати дослідження з однією групою (SAT), яке не включає внутрішню контрольну групу, але може бути доповнене пацієнтами із зовнішнім компаратором (EC) із реальних даних. Якщо дослідження EC подано для нормативних цілей, воно може замінити не ключове випробування, а як додаткову інформацію для підвищення можливості контекстуалізації та інтерпретації результатів SAT. Дослідження EC також можна використовувати для подання оцінки технологій охорони здоров’я або навіть для внутрішнього прийняття рішень.
Оскільки дизайн EC набирає популярності в останні роки, тому важливо оцінити силу та обмеження цього дизайну дослідження – зокрема, шляхом оцінки впливу невиміряних спотворень і відсутніх даних у прогностичних факторах (коваріатів).
Оцінка впливу в двох прикладах ЄС
Невиміряне змішування виникає, коли змінна, яка впливає як на лікування, так і на результат, не вимірюється та не враховується в дослідженні. Це може призвести до необ’єктивних результатів при спробі встановити причинно-наслідковий зв’язок між лікуванням і результатом. Крім того, відсутність даних у важливих прогностичних факторах може призвести до упередженості, яка проілюстрована в новій дослідницькій статті «Вивчення впливу відсутніх даних і невиміряного змішування на дослідження зовнішніх компараторів: тематичні дослідження та моделювання.У цій публікації наведено результати двох реальних прикладів ЄС та додаткового моделювання.
Дослідники побудували тематичні дослідження ЄС, використовуючи групи лікування з двох РКД – одного дослідження множинної мієломи (ММ) та одного дослідження метастатичного гормоночутливого раку передміхурової залози (mHSPC) – і доповнивши дані однією реальною когортою ЕК у кожному.
Враховуючи загальну виживаність як головну кінцеву точку, дослідники оцінювали вплив невиміряних спотворень і відсутніх даних для тематичних досліджень, повідомляючи про приблизні ефекти ЕК проти РКД. Для симуляції упередження можна було оцінити безпосередньо, оскільки справжній ефект лікування був відомий заздалегідь за допомогою налаштування моделювання.
Вимірювання впливу упередженості
Результати моделювання показали, що похибка зростала зі збільшенням величини невиміряного змішування, як і очікувалося, і можна було отримати точні числові оцінки цього зв’язку, щоб отримати кількісне, а не просто якісне розуміння. Конкретно, похибка для логарифмічного коефіцієнта ризику становила приблизно −0,10 на додаткову відсутню коваріату для тематичного дослідження ММ, тоді як для прикладу mHSPC воно становило ~ −0,06.
Для сценаріїв відсутності даних (замість невиміряних сценаріїв змішання) дослідження показало, що вибір підходу до аналізу має значення з точки зору найкращої мінімізації зміщення.
Тематичні дослідження надали цінні наукові докази, щодо яких дослідження ЄС можуть мати більше проблем, ніж інші. Наприклад, дослідники, які розробляють нове дослідження EC, повинні розглянути, чи доступні більшість ключових критеріїв прийнятності, а також ключові прогностичні фактори, у конкретному наборі даних реального світу.
Цінні уроки для майбутніх досліджень ЄС
Герд Ріппін
Наслідки невиміряних змішувань і відсутніх даних можна точно визначити кількісно, що допомагає оцінити надійність дизайну EC для нормативних документів і оцінки технологій охорони здоров’я.
Крім того, на практичних прикладах і теоретичному моделюванні можна продемонструвати, що дослідження ЄС потребують достатньої кількості даних для отримання важливих базових даних. Це підкреслює важливість проведення поглиблених оцінок здійсненності та отримання статистичних, медичних та епідеміологічних експертних даних для визначення та оцінки наявності та якості критичних даних. Основні міркування включають критерії прийнятності, коваріати та кінцеві точки для оцінки того, чи зовнішні набори даних-кандидатів є надійними та достатньо повними, щоб бути придатними як джерело даних EC.
Герд Ріппін — старший директор відділу біостатистики, статистичні служби IQVIA.
Filed Under: клінічні випробування, відкриття ліків, відкриття та розробка ліків
Залишити відповідь