自适应临床试验的 E 值：实践中的随时有效监控

自适应临床试验依赖中间分析、灵活停机和数据依赖性设计修改，这些做法在固定时段检验统计量反复检查或在调整后重用的情形下 complicate 统计保证。E 值和 e-processes 提供随时有效的检验和置信序列，在可选停机和可选继续的情况下保持有效性，而无需预先规定监控计划。本文是实践者的方法指南。我们发展了基于赌注-鞅构造的 e-processes，用于两臂随机对照试验，展示了 E 值如何自然处理复合原假设并支持无效性监控，并提供关于何时使用 E 值、何时优先使用已建立方法以及如何将 E 值监控与组序列和贝叶斯自适应工作流程集成的指导。数值研究比较了五种监控规则——naive 和校准的频繁主义、贝叶斯和 E 值方法——在两臂二型终点试验中的表现。naive 重复检验和 naive 后验阈值在频繁中间检验下会大幅度 inflate 第一类错误。对于有效方法，校准组序列规则实现最高功效，E 值规则提供稳健的随时有效控制，功效适中，校准贝叶斯规则最保守。扩展仿真显示，组序列与 E 值方法之间的功效差距取决于监控计划，在连续监控情况下会逆转。该方法论包括无效性监控、平台试验的多重性控制以及将 E 值与已建立方法结合的混合策略，并在开源 R 软件包 `evalinger` 中实现，纳入 2026 年 1 月 FDA 关于贝叶斯方法的草案指导框架。