面向不稳定真实世界数据的稳健α消耗方法:保障疫苗不良事件序贯监测的I类错误、统计功效与监测时间

《Statistics in Medicine》:Robust Alpha Spending for Unstable Data

【字体: 大 中 小 】 时间:2026年10月11日 来源:Statistics in Medicine 2.1

编辑推荐:

  序贯假设检验(sequential hypothesis testing)已被用于随机临床试验(randomized clinical trials)以及疫苗接种后不良事件监测(monitoring adverse events after vaccinati

  
序贯假设检验(sequential hypothesis testing)已被用于随机临床试验(randomized clinical trials)以及疫苗接种后不良事件监测(monitoring adverse events after vaccination)。通常,其假设是先前已用于序贯分析的所有数据保持不变,仅新增数据。研究人员将此称为“锚定”(anchoring)假设。在上市前随机试验(prelicensing randomized trials)中,入组目标(enrollment goals)基于这些序贯假设检验设定,以便当药物被证明过于危险,或相反,疗效太好以至于不向其他人提供该治疗不合伦理时,试验可以停止。然而,在疫苗接种后不良事件监测中,数据大多为“二次利用”(secondary use),即真实世界数据(real-world data)。也就是说,这些数据并非为研究而收集,而是为观察性疫苗安全性监测(observational vaccine safety surveillance)重新利用的临床数据。因此,暴露人数(counts of exposed persons)和不良事件(adverse events)计数可能随时间修订。这些数据变化直接挑战大多数序贯假设检验所依赖的锚定假设。如果这些数据变化在后续假设检验之前被发现,则尚不清楚如何在后续检验中考虑这些变化。研究人员提出一种解决方案:“稳健α消耗”(robust alpha spending),以保护总体I类错误概率(overall type I error probability)、统计功效(statistical power)和监测时间(surveillance time)免受用于不良事件监测的二次利用数据源中存在的低水平数据不稳定性(low-level data instability)影响。
研究背景与问题:序贯假设检验(sequential hypothesis testing)已用于随机临床试验和疫苗接种后不良事件监测。上市前随机试验中,入组目标基于序贯假设检验设定,若药物被证明过于危险或过于有益,试验可提前停止。上市后疫苗不良事件监测多使用二次利用(secondary use)或真实世界数据(real-world data),这些数据并非为研究收集,而是临床数据被重新用于观察性疫苗安全性监测(observational vaccine safety surveillance)。因此,暴露人数和不良事件计数可能随时间修订。传统序贯检验依赖“锚定假设”(anchoring assumption),即先前用于序贯分析的数据保持不变,仅新增数据;先前已“消耗”的α从总I类错误额度中扣除,剩余α用于后续检验。但二次利用数据的数据变化直接挑战该假设。若数据变化在后续检验前被发现,如何纳入后续检验尚不清楚。数据变化可导致总体I类错误概率(overall type I error probability)膨胀或统计功效(statistical power)损失。传统做法包括避免重复查看同一数据、“冻结”或“锁定”数据,或重启α消耗计划,但这些均不正式或令人满意。研究人员因此提出“稳健α消耗”(robust alpha spending)以管理不稳定数据影响,目标是在分析结束时确保总体目标I类错误额度和目标统计功效。

研究人员开展的研究与结论:研究人员定义并构建了针对二项/二项分布(binary/binomial)、Poisson 和条件 Poisson(conditional Poisson)数据的稳健α消耗方法,用于支持上市后安全性监测。该方法在有限数据偏离下,使实际总体I类错误概率控制在名义总体显著性水平以下,并使目标统计功效不低于预设目标。方法在 R Sequential 包中实现,并通过 Monte Carlo 模拟和真实/模拟数据示例展示。结论是,当数据随时间变化量不超过用户预设计数错误边际时,稳健α消耗可控制I类错误和目标功效;代价是可能增加预期信号时间或需要更多事件。其意义在于,为上市后安全性监测中二次利用数据源的低水平数据不稳定性提供正式方法,且即使错误归因事件未被分析人员发现,也不要求用户在序贯分析期间调整数据。

关键技术方法概述:研究人员提出稳健α消耗定义,分别针对二项/二项分布、Poisson 和条件 Poisson 数据,以相对风险(relative risk, RR)为感兴趣参数,在计数错误边际内控制名义总体显著性和目标功效。采用 Monte Carlo 模拟,每场景1000次重复,在 H0 下评估I类错误,在 H1 下评估统计功效和预期信号时间(expected time to signal, ETS);二项数据匹配比设为1,每检验总事件数从集合均匀采样,Poisson 数据由基线率生成,条件 Poisson 使用历史事件数10、30、50。计算通过 R Sequential 包完成。真实数据来自一项已发表概念验证研究,包含九个数据站点,同一时间段经两次数据刷新,除事件数外其他信息未变。

研究结果:
3.1 Binary/Binomial Data:通过二项 MaxSPRT 相关模拟,固定匹配比为1,每检验总事件数均匀采样以模拟不可预测的数据到达。结果显示,当预设计数错误边际等于实际边际时,I类错误接近或低于名义水平;当实际计数错误超过预设边际时,I类错误膨胀;当预设边际超过实际边际时,结果过度保守,可能剩余α未消耗。统计功效通常高于目标0.9,原因是不规则数据到达而非严格连续过程。预期信号时间在预期计数错误未实现时增加,平均约需额外9个事件才能产生信号;当观察计数错误超过允许边际时,I类错误未维持,统计功效因假事件人为膨胀,预期信号时间人为缩短。
3.2 Poisson Data:通过 Poisson 数据模拟,以基线率生成事件计数。结果显示,当预设误差边际超过实际误差边际时,稳健α消耗产生保守I类错误;当预测误差边际反映实际误差边际时,I类错误概率接近名义水平。统计功效模式与二项情形相似,所有功效估计被约束在目标功效之上。预期信号时间增加幅度小于二项/二项分布情形,平均每单位误差边际变化约增加2个事件。二项和Poisson均为离散分布,但二项因暴露和未暴露事件均为整数,潜在解更少;Poisson分析中仅暴露事件需为整数。
3.3 Conditional Poisson Data:通过条件 Poisson 数据模拟,考虑历史事件数为10、30、50,覆盖实际应用范围。结果显示,I类错误控制在期望显著性水平之下,且按构造目标统计功效在每个评估场景中达成。对预期信号时间影响中等,每单位误差边际增加约2至3个事件。
4.1 Real Data:使用真实数据概念验证,同一时间段经两次刷新,数据来自九个站点。传统非稳健α消耗在初始错误数据下拒绝 H0;校正后实际α消耗略小,提示比较组结局消失可导致潜在统计功效降低。使用稳健α消耗并设定计数错误边际后,临界值提高,第一次检验不再拒绝 H0;由于该概念验证预期出现信号,后续分析仍可产生信号。稳健方法通过增加最大监测长度容纳目标统计功效。若错误信息导致治疗组结局被移除,稳健α消耗可保持不拒绝 H0,最终决定不受错误信息直接影响。
4.2 Simulated Data:通过模拟二项序贯分析,每检验总事件数均匀采样,错分类事件按概率0.1抽取并随机分配至两个暴露组。设定误差边际后,净错分偏差未超过边际允许,即使总体错分超过2个事件,低水平错分也不会导致假阳性信号。与非稳健α消耗相比,当部分调参固定为零时,临界值曲线按相应单位增加。更复杂的调参可能产生不同信号阈值格式。

讨论与结论:讨论部分指出,稳健α消耗预计可控制序贯假设检验中锚定假设的违反。最重要特征是不要求用户在序贯分析期间调整数据,即使错误归因事件已用于先前检验;方法设计为对潜在不一致数据稳健,即使这些错误从未被分析人员检测到。操作化时,用户必须预先定义序贯分析期间可能发生的最大计数错误量,最好基于历史性能或通过 unit test 方法量化。对于持续更新数据源,每次刷新时生成测试数据集并量化变化应较容易。在总数据中具有1%错误率时,2个事件的边际允许似乎足以处理净变化水平。数据驱动和经验估计边际允许将在未来研究中探索。任何考虑估计中更大不确定性或方差的适应都会导致统计功效惩罚,可能表现为延迟信号时间或更长监测期。这像保险,后来可能不必要;许多情况下,额外等待时间可能值得更高置信度。对于每100,000人发生一次的罕见事件,等待2个额外事件可能对研究资源和时间有更大惩罚。此外,当匹配比小于1时,此类校正可能不太相关和值得。

结论部分翻译:研究人员提出的稳健α消耗预计可控制序贯假设检验中锚定假设的违反。该程序最重要的特征是,如果错误归因事件已在先前检验中使用,不要求用户在序贯分析期间调整数据。事实上,该方法设计为对潜在不一致数据稳健,即使这些数据从未被分析人员检测到。为操作化稳健α消耗,用户必须预先定义序贯分析期间可能发生的最大计数错误量。这些值应尽可能基于历史性能,或通过 unit test 方法量化。对于持续更新的数据源,每次数据刷新时重复生成测试数据集并量化变化应较容易。在总数据中具有1%错误率时,2个事件的边际允许似乎足以处理该净变化水平。数据驱动和经验估计边际允许将在未来研究中探索。一般而言,任何考虑估计中更大不确定性或方差的适应都会导致统计功效惩罚,可能表现为延迟信号时间或更长监测期。这像保险,后来可能不必要。许多情况下,额外等待时间可能值得更高置信度。对于每100,000人发生一次的罕见事件,等待2个额外事件可能对研究资源和时间有更大惩罚。此外,当匹配比小于1时,此类校正可能不太相关和值得。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号