肿瘤学试验中治疗交叉的增强两阶段估计：利用外部数据提升精度
统计方法学
2025-02-12 v2
摘要
肿瘤学中的随机对照试验（RCT）通常允许对照组参与者交叉至实验治疗组，这一做法虽在伦理上往往是必要的，却使长期治疗效果的准确估计复杂化。当交叉率较高或样本量有限时，常用的交叉调整方法（如保秩结构失效时间模型、删失逆概率加权以及两阶段估计（TSE））可能产生不精确的估计。真实世界数据（RWD）可用于为 RCT 构建外部对照组，尽管该方法忽略了试验中未交叉受试者的证据，也忽略了已交叉受试者在交叉前所获数据的证据。本文引入了“增强两阶段估计”（ATSE）方法，该方法将 RCT 中未转换治疗参与者的数据与外部数据集相结合，构建一个“混合未转换组”。我们通过模拟研究评估了 ATSE 方法相较于 TSE 交叉调整和外部对照组方法的性能。结果表明，性能取决于场景特征，但当存在无混杂的外部数据时，相较于 TSE 和外部对照组方法，ATSE 可能产生更小的偏差并提升精度。当外部数据受到未测量混杂影响时，ATSE 易产生偏差，但与外部对照组方法相比偏差程度较小。
引用
@article{arxiv.2412.10563,
title = {Augmented two-stage estimation for treatment crossover in oncology trials: Leveraging external data for improved precision},
author = {Harlan Campbell and Nicholas Latimer and Jeroen P Jansen and Shannon Cope},
journal= {arXiv preprint arXiv:2412.10563},
year = {2025}
}