平台试验中基于模型的时间趋势校正与非同期对照

平台试验可评估若干治疗组相对于对照的疗效。治疗组数量并不固定，因为随着试验推进，臂可被添加或移除。平台试验因使用共享对照组而比独立平行组试验更高效。对于较晚进入试验的臂，对照组中并非所有患者都是同期随机化的。对照组由此分为同期对照与非同期对照。使用非同期对照（NCC）可提升试验效率，但会因时间趋势引入偏倚。我们关注一项含两个治疗臂和一个公共对照臂的平台试验。假设第二个治疗臂较晚加入，我们评估在使用 NCC 时基于模型的时间趋势校正方法的稳健性。我们考虑将时间趋势建模为线性或阶跃函数（阶跃位于臂进入或离开试验的时刻）的方法。对于连续或二值结局的试验，我们在多种情景下考察检验新加入臂疗效的 I 类错误（t1e）率与功效。除各臂时间趋势相等的情景外，我们还研究了趋势不同或在模型尺度上非可加的设置。对所有臂数据拟合的阶跃函数模型在控制 t1e 的同时提高了功效，只要不同臂的时间趋势相等且在模型尺度上可加。即便在使用区组随机化时趋势形状偏离阶跃函数，此结论仍成立。但如果趋势在臂间不同或在模型尺度上不可加，则可能丧失 t1e 控制。使用阶跃函数模型纳入 NCC 所获效率可超过潜在偏倚。然而，应考量试验具体情形、不同时间趋势的可信度及结果的稳健性。