面向非比例危害情形的时间事件数据的自适应权重选择

在规划以时间事件终点为指标的临床试验时，我们需要确定效应大小并需考虑效应类型。通常假设比例危害，以危害比作为相应的效应度量。因此，生存数据的标准程序通常基于单阶段 log-rank 检验。鉴于比例危害假设常被违反，且通常缺乏足够的知识来推导合理的效应大小，如此一种方法就显得相对刚性。我们引入一种更为灵活的程序，通过结合两种在缺乏先验知识时更具鲁棒性的方法。首先，我们采用更灵活的自适应多阶段设计而非单阶段设计。其次，我们应用组合类型检验于起始阶段，以从众所周知的在对偏差模式不确定性情况下的鲁棒性中受益。随后，我们可以使用此期间收集的数据来选择更具体的单加权 log-rank 检验用于后续阶段。在此步骤中，我们采用 Royston-Parmar 样条模型对生存曲线进行外推，以作出合理决策。基于一个真实世界数据案例，我们展示了该方法可以拯救一项本会因结果不明确而终止的试验。此外，我们的模拟研究表明该方法在保持更大灵活性的同时，具备充分的统计功效。