在肿瘤学中的随机对照试验（RCT）中，评估治疗中断对事件发生时间（time-to-event outcomes）的因果效应

《Biometrical Journal》：Evaluating Causal Effects on Time-to-Event Outcomes in an RCT in Oncology With Treatment Discontinuation

基于临床试验患者提前终止治疗的问题，提出主分层策略分解意向治疗效应，采用贝叶斯模型处理时间连续的终止时间和终点变量截断问题，通过合成数据分析验证方法的有效性及协变量作用，为临床实践提供新思路。

　　

摘要

在临床试验中，患者可能会提前终止治疗，从而打破最初的随机分配方案。在我们的这项研究中（一项肿瘤学的随机对照试验），被分配到试验治疗组的患者可能会因为不良反应而停止治疗。国际临床指南ICH E9(R1)的附录提供了处理此类“中断事件”的指导原则。采用何种策略取决于研究关注的具体问题。我们建议采用主要分层策略，并将总体治疗意图效应分解为根据患者可能的治疗终止行为定义的不同组别的主要因果效应。我们首先展示了如何在存在连续时间治疗终止的情况下实施主要分层策略来评估因果效应，说明了其优势以及可以得出的结论。我们的策略能够正确处理那些不会终止治疗的患者的时间至事件中间变量，并考虑到终止时间和主要终点可能受到数据删失（censoring）的影响。我们采用了一种基于模型的贝叶斯方法来应对这些复杂性，从而获得易于解释的结果。我们将这种贝叶斯主要分层框架应用于分析该肿瘤学试验的合成数据。通过模拟研究的支持，我们阐明了协变量在该框架中的作用。除了使结构和参数假设更加合理外，这些协变量还能帮助我们进行更精确的推断。此外，它们还可以用于描述患者的治疗终止行为，这可能对临床实践和未来的研究方案有所启示。

利益冲突

未声明任何利益冲突。

数据可用性声明

基于真实案例研究的合成数据以及模拟数据可在GitHub仓库veronicaballerini/discontinuation中公开获取，链接为：https://github.com/veronicaballerini/discontinuation。

开放研究标志

本文因公开提供了再现研究结果所需的可共享数据而获得了“开放数据”标志。相关数据可在支持信息部分找到。

本文因公开提供了再现研究结果所需的代码而获得了“可复制研究”标志。本文报告的结果完全可以被重新验证。