《Clinical Pharmacology & Therapeutics》:Overview of Regulatory Guidelines Related to Methods and Models for Small Populations
编辑推荐:
该文概述了欧洲药品管理局(EMA)、美国食品药品监督管理局(FDA)和国际人用药品注册技术协调会(ICH)发布的、与获取小人群(small populations)临床证据以支持监管决策(regulatory decision making)相关的方法及相关指
该文概述了欧洲药品管理局(EMA)、美国食品药品监督管理局(FDA)和国际人用药品注册技术协调会(ICH)发布的、与获取小人群(small populations)临床证据以支持监管决策(regulatory decision making)相关的方法及相关指南。所述方法分为三类:(1)最大化可达到的样本量(maximizing the attainable sample size);(2)调整试验设计(trial design)以应对小样本量(small sample size);(3)纳入外部信息(external information),同时考察建模(modeling)的作用。纳入综述的指南包括临床试验指南、专门针对小人群的指南,以及包含使用建模支持临床证据的指南。贯穿这些指南的一个反复出现的主题是临床背景(clinical context)的关键重要性,其影响证据标准(evidentiary standard)以及哪些方法和模型可被接受。研究人员识别出两个关键缺口:(1)关于贝叶斯方法(Bayesian approaches)的指南有限;(2)从实践和监管角度看,如何合成不同模态(modalities)的证据,例如试验结果与真实世界数据(Real-World Data, RWD),缺乏明确指南。
方法(METHODS)
本综述纳入ICH、EMA和FDA指南,来源包括ICH指南数据库、EMA生物统计学/通用/真实世界证据指南和FDA临床试验指南;并对FDA全指南数据库进行补充关键词检索。纳入标准为涉及增加试验规模、提高试验效率、纳入外部信息或使用建模技术;排除试验实施/监测/实验室标准、概念性文件、高度特定亚组指南和临床前/非临床指南。
结果(RESULTS)
证据标准(Evidentiary standard)
达到所需证据标准所需科学数据取决于情境。历史上多个独立且良好对照试验为常规,但许多情境下一个确证性(pivotal)试验已足够;此时单一试验证据需更强,如更低显著性阈值,并可能需疾病/药物机制额外证据。严重未满足需求或紧急情况可考虑其他方法。EMA指出不存在仅适用于小研究而不适用于大研究的方法,但小/极小人群中较少传统方法若改善可解释性可接受。ICH E8、E9、E10同样适用于小样本试验,EMA和FDA也有专门指南。
最大化可达到的样本量(Maximizing the attainable sample size)
策略包括放宽入选标准、增加入组或随访时间、扩展合作。增加入组和随访对时间-事件数据有用,但增加成本和时间。放宽入选标准增加招募基础但降低同质性,可能削弱效应估计和把握度。非标准随机比例、去中心化试验可提高参与,但各有代价。多中心或多区域试验可增加样本量并改善泛化;多区域临床试验(MRCT)可促进多地同时上市申请。
最大化可达到的样本量的主要监管考虑(Main regulatory considerations for maximizing the attainable sample size)
入选标准须与拟定适应症一致,不能随意放宽。去中心化要素不得增加患者风险,数据需符合同现场操作期望。多中心/区域试验需考虑区域变异性,建议按中心分层,若中心样本量太小则按区域分层。
使设计与分析适应小样本量(Adapting design and analysis to a small sample size)
即使最大样本仍小,设计须适应。ICH E8、E9、E10相关。可选信息性终点、合理预期治疗臂、更多基线协变量或频繁测量以纵向分析。调整基线协变量可提高效率。替代设计包括单臂试验(SAT)、交叉和N-of-1试验;后者适合症状治疗且短期反应可测,但需关注携带效应和周期效应。主方案(master protocols)包括篮式、伞式和平台试验。适应性设计可基于期中结果调整设计要素;FDA列六类适应,但潜在获益可能伴随损失。
适应小样本量的主要监管考虑(Main regulatory considerations for adapting to a small sample size)
基线协变量须预先指定、至少中等与主要结局相关,并在随机化前测量。主方案仅FDA指南,建议仅用同期对照,更多患者分配至对照,多重性调整不总需要。SAT用作关键证据时结果须可因果解释,终点须能在无对照下分离治疗效应。适应性设计须控制I类错误(type-I error)并维持试验完整性,适应应预先指定且数量有限。贝叶斯元素可能出现在适应性设计和主方案中,但除FDA草案外官方指南有限。
纳入外部信息(Including external information)
外部信息包括临床前/临床数据、真实世界数据(RWD)和意见/专业知识。临床前数据可通过PK/PD或机制模型纳入;临床数据可来自早期阶段或不同随机试验。RWD包括电子健康记录、登记和医疗索赔。外部信息总用于设计,也可替代对照臂或告知治疗效应估计。频率派和贝叶斯技术均可使用,但贝叶斯借用(Bayesian borrowing)的I类错误通常不能严格控。儿科常依赖外推。RWD可用于自然史研究和非干预研究;数据质量重要。
纳入外部信息的主要监管考虑(Main regulatory considerations for including external information)
EMA和FDA承认外部信息可影响所需确证性数据量,并与充分且良好对照临床研究结合。FDA列出可用证据情形,包括已获批药物新适应症、强机制支持、自然史数据、同类药物知识。共同原则是外部信息依赖和来源可接受性高度情境依赖;外部对照仅特定情况可接受;数据源必须适合目的(fit-for-purpose)。
建模(Modeling)
模型用于整合数据、先验信息和知识以生成证据,小样本中更重要。本文聚焦机制性药理学模型,如PK、PD、疾病进展、QSP,以及PBPK。模型可设计试验、组合信息或分析结果。ICH M15为核心指南;FDA和EMA对popPK、PBPK有专门指南,并发布人工智能相关文件。
建模的主要监管考虑(Main regulatory considerations for modeling)
ICH M15概念包括感兴趣问题(Question of Interest)、使用背景(Context of Use)、模型风险和影响,以及模型评价中的验证(verification)、确认(validation)和适用性评估(applicability assessment)。技术标准应依据问题和风险预先定义;多学科团队判断模型结果是否构成MIDD证据。
证据合成(Evidence synthesis)
证据合成组合不同来源以加强决策,可跨研究或在单研究内整合数据类型。Meta分析是典型方法,也可检测单个RCT把握度不足的不良事件。
证据合成的主要监管考虑(Main regulatory considerations for evidence synthesis)
EMA偏好一个稳健试验而非多个较小试验。FDA和EMA强调预定义meta分析方案,包括目标、纳入排除、研究识别、假设终点、统计方法和稳健性评估。关键证据通常需低于0.05的P值(P-value),具体逐案确定。跨不同模态证据的定量整合仍不清楚。
讨论(DISCUSSION)
情境(clinical context)是关键,定义为实验治疗、疾病和标准治疗的组合。证据标准、可行设计和建模均情境依赖;没有普遍适用的设计、模型或数据源。第二个主题是预先指定,尤其确证性证据。ICH M15等指南通用,应用时需制定特定要求。两个缺口:官方贝叶斯指南有限;跨模态证据合成复杂,需更结构化方法。
结论(CONCLUSION)
本文围绕最大化样本量、处理小样本量和纳入外部信息,呈现FDA、EMA、ICH相关方法和指南。共同主题是情境/研究问题依赖和尽可能预先指定;缺口是贝叶斯监管指南有限和跨模态证据合成挑战。