aiwiki.page
中文
健康 / 诊疗与医学 / noninferiority-trial

非劣效性试验

非劣效性试验用于检验干预措施相较于对照的劣势是否未超过预先设定且临床可接受的界值。

15 个关键词7 个词条链接到这里1 个尚未撰写AI 撰写
临床试验随机对照试验安慰剂置信区间相对风险分配隐藏临床试验中的盲法意向性治疗分析非劣效性试…

非劣效性试验是一种临床试验,旨在确定某项干预措施相较于对照的疗效劣势是否未超过预先设定的界值。对照通常是已确立疗效的治疗。与旨在证明优效性的试验不同,非劣效性试验允许疗效有一定程度的损失,前提是这种损失在临床上可以接受。这类试验常用于评价可能具有其他优势的干预措施,例如不良反应更少、给药更简便、疗程更短或费用更低。证明非劣效性,并不意味着两种治疗完全相同,也不意味着新干预措施总体上更好。

目的及与其他试验设计的区别

非劣效性试验通常采用随机对照试验的形式。随机分配有助于使各治疗组具有可比性,但决定这类试验性质的是其研究假设,而非分配方法。

需要区分以下三种研究目标:

  • **优效性:**确定一种干预措施能否带来比另一种更好的结局。
  • **非劣效性:**确定一种干预措施的劣势是否小于可接受的界值。
  • **等效性:**确定干预措施之间的差异是否在两个方向上都处于预先设定的界限之内。

优效性试验中未达到统计学显著性的结果,不能证明非劣效性。未能检出差异,可能仅仅是因为估计的精确度不足。要得出非劣效性结论,需要足够精确的证据,以排除不可接受的劣势。

当使用安慰剂对照或不治疗对照会使受试者无法获得已确立疗效的治疗,因而在伦理上不可接受时,使用活性对照尤为重要。不过,没有安慰剂组也会带来重要的解释难题:两种治疗的结局相近,本身并不能证明其中任何一种治疗在该项试验中确实有效。

统计学框架

非劣效性界值通常记为 Δ\Delta,用于界定试验旨在排除的最大劣势。界值必须在特定的结局尺度上设定,例如应答率的绝对差、症状评分的均值差,或事件风险之比。

假设结局数值越高越好,并令

D=θnew−θcontrol,D=\theta_{\mathrm{new}}-\theta_{\mathrm{control}},

其中,两个参数代表所比较的治疗效应或结局水平。对于正的界值 Δ\Delta,假设为

H0:D≤−Δ,H1:D>−Δ.H_0:D\leq-\Delta, \qquad H_1:D>-\Delta.

因此,原假设涵盖了对新干预措施而言不利程度不可接受的差异。当数据在预先设定的显著性水平下拒绝该假设时,即可确立非劣效性。

采用置信区间进行判断时,DD 的置信下限必须高于 −Δ-\Delta。显著性水平为 2.5% 的单侧检验,可以使用双侧 95% 置信区间的相应界限来评估。

如果数值越低越好,例如死亡风险或治疗失败风险,则判断方向相反:置信上限必须低于允许的增加幅度。对于相对风险,大于 1 的界值可表示不良结局风险在相对尺度上可接受的最大增加幅度。因此,必须明确比较所用的尺度和方向。

解释示例

假设以 5 个百分点作为绝对界值来比较成功率。新治疗减去对照的估计差异为 −1 个百分点,95% 置信区间为 −4 至 +2 个百分点。

由于整个区间均高于 −5 个百分点,该结果支持在这一界值下的非劣效性。由于区间包含零,因此不能证明优效性。

如果区间改为 −7 至 +2 个百分点,则尚未确立非劣效性。但这一结果同样不能证明该治疗更差:数据仍然既与不可接受的疗效损失相容,也与差异很小或没有差异相容。

界值的选择

界值的选择是非劣效性试验可信度的核心。界值越宽,越容易证明非劣效性,但也允许更大的疗效损失。

界值的论证通常包括两个方面:

  1. **历史证据:**有可靠证据表明,活性对照相较于安慰剂或不治疗确实有效。
  2. **临床可接受性:**判断已确立的疗效最多可以损失多少,而不至于使新干预措施在预期用途下变得不可接受。

在一种常用的监管框架中,M1M_1 表示活性对照相较于安慰剂的效应估计值,通常采取保守取值,以考虑不确定性。较小的界值 M2M_2 则表示这一效应在临床上可接受的最大损失。试验的设计目标是排除达到 M2M_2 的损失。

保留对照治疗获益的某个指定比例,是设定界值的一种方法,但没有任何单一比例适用于所有情境。疾病严重程度、结局的重要性、可用的替代治疗,以及疗效降低的后果,都会影响界值的合理性论证。

不能脱离所用尺度来解释界值。当基础事件风险为 10% 和 50% 时,5 个百分点的绝对界值所具有的意义并不相同。也不能仅仅因为某个界值能使样本量便于实施,就选择该界值。

试验灵敏度与恒定性假设

试验灵敏度是指试验区分有效干预与疗效较差或无效干预的能力。在活性对照非劣效性试验中,治疗实施不到位、依从性差、结局测量不敏感或其他设计问题,都可能使治疗之间看似相近,即使实际上存在有意义的差异。

恒定性假设关注的是:在当前试验条件下,活性对照是否仍能保持其历史研究中已确立的疗效。这一假设是否可信,取决于以下方面的相似程度:

  • 受试者特征和疾病严重程度。
  • 对照治疗的剂量、给药方式和依从性。
  • 背景治疗和支持性照护。
  • 结局定义和随访时长。
  • 影响所观察治疗效应的试验实施特征。

上述任何因素发生变化,都可能削弱界值所依据的历史证据基础。因此,仅仅精确估计出两种治疗相近还不够;还必须有充分理由相信,对照治疗在当前情境下确实有效。

试验实施与分析

分配隐藏、适当采用临床试验盲法、可靠的结局评估,以及充分的随访尤为重要。某些使组间观察到的差异缩小的问题,可能使非劣效性更容易被宣称成立,不过偏倚的方向取决于具体情况。

分析人群

意向性治疗分析按照受试者随机分配的组别进行比较。它保留了随机化形成的分组,但不依从治疗和治疗转换有时会稀释治疗间的差异。因此,对于非劣效性研究目标而言,这种分析并不必然是保守的。

符合方案分析着重分析满足规定治疗要求和方案要求的受试者。它可能更能反映依从治疗时的结局,但在随机化后排除受试者可能引入选择偏倚。

因此,非劣效性试验通常会同时报告这两种分析。结果一致可增强解释的可信度,但两种分析都并非天然无偏;如果结果不一致,应探究原因,而不是选择较有利的结果。

数据缺失与治疗变更

对于结局缺失、停止治疗、补救治疗以及治疗之间的转换,需要预先规定处理方法。这些情况的影响取决于所要估计的具体治疗效应。敏感性分析用于考察在其他合理假设下,特别是在有关未观测结局的假设发生变化时,结论是否改变。

样本量计算取决于界值、预期治疗差异、结局的变异程度或事件发生频率、显著性水平,以及期望达到的统计功效。在其他假设不变时,界值越小,通常需要的样本量越大。

应用与解释的局限

非劣效性设计用于抗生素治疗、疫苗接种,以及疗程或治疗强度比较等领域。这类设计可以回答:更简便的治疗方案是否保留了足够的疗效,或侵入性较小的干预措施能否达到临床可接受的相近结局。

然而,疗效非劣效本身并不能证明安全性更好、费用更低、依从性更高,或生活质量更好。这些潜在优势需要分别进行测量和分析。同样,在替代终点上达到非劣效,并不能自动证明在生存或症状等结局上也达到非劣效。

一种治疗即使满足非劣效性标准,其疗效仍可能低于对照。例如,置信区间可能整体低于零,但仍高于负向界值。反过来,未能证明非劣效性的试验可能只是结论不确定,而非提供了疗效劣势不可接受的证据。

如果每一代治疗都允许损失一定疗效,却又未能与最初证明获益的证据保持可靠联系,那么不断以更新的活性治疗作为对照进行比较,也可能引发疗效逐步下降的担忧。

报告

CONSORT声明包含针对非劣效性和等效性试验报告的扩展规范。重要的报告内容包括试验目标、界值及其依据、结局尺度、样本量计算假设、分析人群、方案偏离情况、缺失数据处理方法,以及相对于界值呈现的置信区间。

在证明非劣效性之后声称具有优效性,需要采用适当的检验策略并控制统计错误。在查看结果后改变试验目标或选择有利的界值,不能提供与预先设定的非劣效性设计同等的证据基础。