在顺序平行比较设计（SPCD）中估计因果处理效应

《Statistics in Medicine》：Estimating Causal Treatment Effects in the Sequential Parallel Comparison Design (SPCD)

研究探讨序列平行比较设计（SPCD）的混合疗效效应，并与两种因果估计量对比。通过模拟研究，发现SPCD混合效应在多数情况下低估治疗益处，而基于G公式的SPCD混合效应在偏差和均方误差上表现更优，建议采用该设计并重新分析ADAPT-A试验数据验证。

　　

摘要

在许多安慰剂对照的随机临床试验中，尤其是在精神病学研究中，观察到的高安慰剂反应率阻碍了治疗效果的证明。为了解决这个问题，Fava在2003年提出了序贯平行比较设计（SPCD），该设计旨在通过估计汇总治疗效果来减轻安慰剂反应的影响（表示为${\Delta }_{\text{SPCD}}$）。这是通过将第一阶段中意向治疗（ITT）受试者的治疗效果与第二阶段中安慰剂无反应者的治疗效果通过加权平均方法结合起来实现的。然而，解释这种汇总治疗效果的挑战性增加了对SPCD设计研究的评估复杂性。本文探讨了汇总的SPCD治疗效果，并将其与两种因果估计量进行了对比：无反应者中的因果平均治疗效果（表示为$$）以及所有ITT受试者在研究期间都表现出低反应时的因果平均治疗效果（表示为$$）。这两种估计量反映了关于安慰剂反应的两种对立观点，即将其视为不可改变的个人特征或可操纵的属性。通过精心设计的模拟研究，我们展示了在将$$解释为前者或后者时偏差的方向和大小。在这些模拟研究中，与两种因果估计量相比，$$倾向于低估治疗效果。此外，为了克服$$的解释局限性而开发的$$在使用G公式方法时，在偏差和均方误差（MSE）方面表现出比前者和后者更优的性能。因此，我们建议在适用的情况下采用这种方法。首个使用SPCD设计的已完成试验ADAPT-A被重新分析以进一步验证这些发现。

利益冲突

作者声明没有利益冲突。

数据可用性声明

支持本研究结果的数据可在本文的支持信息中找到。