Probabilidade preditiva de sucesso - Predictive probability of success

Probabilidade preditiva de sucesso (PPOS) é um conceito estatístico comumente usado na indústria farmacêutica, inclusive por autoridades de saúde para apoiar a tomada de decisão . Em ensaios clínicos , PPOS é a probabilidade de observar um sucesso no futuro com base nos dados existentes. É um tipo de probabilidade de sucesso . Um meio bayesiano pelo qual o PPOS pode ser determinado é através da integração da probabilidade dos dados sobre possíveis respostas futuras (distribuição posterior).

Tipos de PPOS

  • Classificação baseada no tipo de ponto final : normal, binário, tempo até o evento.
  • Classificação com base na relação entre o ensaio que fornece dados e o ensaio a ser previsto
  1. PPOS de ensaio cruzado: usando dados de um ensaio para prever o outro ensaio
  2. No PPOS do ensaio: usando dados na análise provisória para prever o mesmo ensaio na análise final
  • Classificação com base na relação entre o (s) ponto (s) final (is) com os dados e o ponto final a ser previsto
  1. 1 a 1 PPOS: usando um ponto final para prever o mesmo ponto final
  2. 1 a 1 * PPOS: usando um ponto final para prever outro ponto final diferente, mas correlacionado

Relação com poder condicional e poder preditivo

O poder condicional é a probabilidade de observar uma significância estatística assumindo que o parâmetro é igual a um valor específico. Mais especificamente, esses parâmetros podem ser taxas de eventos de tratamento e placebo que podem ser fixadas em observações futuras. Este é um poder estatístico frequentista . O poder condicional é frequentemente criticado por assumir que o parâmetro é igual a um valor específico que não se sabe ser verdadeiro. Se o valor verdadeiro do parâmetro for conhecido, não há necessidade de fazer um experimento.

O poder preditivo resolve esse problema, assumindo que o parâmetro tem uma distribuição específica. O poder preditivo é um poder bayesiano . Um parâmetro na configuração bayesiana é uma variável aleatória. O poder preditivo é uma função de um (s) parâmetro (s), portanto, o poder preditivo também é uma variável.

Tanto o poder condicional quanto o poder preditivo usam significância estatística como critérios de sucesso. No entanto, a significância estatística muitas vezes não é suficiente para definir o sucesso. Por exemplo, as autoridades de saúde freqüentemente exigem que a magnitude do efeito do tratamento seja maior do que a significância estatística para apoiar uma decisão de registro.

Para resolver esse problema, o poder preditivo pode ser estendido ao conceito de PPOS. Os critérios de sucesso para PPOS não se restringem à significância estatística. Pode ser outra coisa, como resultados clínicos significativos. PPOS é uma probabilidade condicional condicionada a uma variável aleatória, portanto, também é uma variável aleatória. O valor observado é apenas uma realização da variável aleatória.

Relação com probabilidade posterior de sucesso

A probabilidade posterior de sucesso é calculada a partir da distribuição posterior. O PPOS é calculado a partir da distribuição preditiva. A distribuição posterior é o resumo das incertezas sobre o parâmetro. A distribuição preditiva não tem apenas a incerteza sobre o parâmetro, mas também a incerteza sobre a estimativa do parâmetro usando dados. A distribuição posterior e a distribuição preditiva têm a mesma média, mas a primeira tem menor variância.

Problemas comuns na prática atual de PPOS

PPOS é uma probabilidade condicional condicionada a dados observados aleatoriamente e, portanto, é uma variável aleatória em si. Atualmente, a prática comum de PPOS usa apenas sua estimativa pontual nas aplicações. Isso pode ser enganoso. Para uma variável, a quantidade de incerteza é uma parte importante da história. Para resolver esse problema, Tang introduziu o intervalo de credibilidade PPOS para quantificar a quantidade de sua incerteza. Tang defende o uso de estimativa de ponto PPOS e intervalo confiável em aplicações como tomadas de decisão e projetos de ensaios clínicos . Outro problema comum é o uso misto de probabilidade posterior de sucesso e PPOS. Conforme descrito na seção anterior, as 2 estatísticas são medidas em 2 métricas diferentes, compará-las é como comparar maçãs e laranjas .

Aplicações em projetos de ensaios clínicos

O PPOS pode ser usado para projetar um ínterim de futilidade para grandes testes confirmatórios ou testes piloto.

Projeto de teste piloto usando PPOS

O projeto de teste piloto tradicional é normalmente feito controlando a taxa de erro tipo I e a potência para detectar um valor de parâmetro específico. O objetivo de um estudo piloto, como um estudo de fase II, geralmente não é apoiar o registro. Portanto, não faz sentido controlar a taxa de erro tipo I, especialmente um grande erro tipo I, como normalmente feito em um ensaio de fase II. Um ensaio piloto geralmente fornece evidências para apoiar uma decisão Go / No Go para um ensaio confirmatório. Portanto, faz mais sentido projetar um teste baseado em PPOS. Para apoiar uma decisão Não / Avançar, os métodos tradicionais exigem que o PPOS seja pequeno. No entanto, o PPOS pode ser pequeno apenas por acaso. Para resolver esse problema, podemos exigir que o intervalo de credibilidade do PPOS seja curto, de modo que o cálculo do PPOS seja suportado por informações suficientes e, portanto, o PPOS não seja pequeno apenas devido ao acaso. Encontrar um design ideal é equivalente a encontrar a solução para as 2 equações a seguir.

  1. PPOS = PPOS1
  2. limite superior do intervalo de credibilidade PPOS = PPOS2

onde PPOS1 e PPOS2 são alguns valores de corte definidos pelo usuário. A primeira equação garante que o PPOS é pequeno, de forma que não muitas tentativas serão impedidas de entrar no próximo estágio para proteção contra falsos negativos . A primeira equação também garante que o PPOS não seja muito pequeno, de forma que muitas tentativas não entrem no próximo estágio para evitar falsos positivos . A segunda equação garante que o intervalo de credibilidade do PPOS seja estreito, de modo que o cálculo do PPOS seja apoiado por informações suficientes. A segunda equação também garante que o intervalo de credibilidade do PPOS não seja muito curto, de modo que não exija muitos recursos.

Projeto provisório de futilidade usando PPOS

O PPOS também pode ser usado na análise provisória para determinar se um ensaio clínico deve ser continuado. O PPOS pode ser usado para esse propósito porque seu valor pode ser usado para indicar se há evidência convincente suficiente para rejeitar ou deixar de rejeitar a hipótese nula com os dados atualmente disponíveis. O PPOS também pode ser usado na avaliação da futilidade. Futilidade é quando um ensaio clínico não mostra sinais de alcançar seu objetivo (ou seja, fornecer o suficiente para fazer uma conclusão sobre o nulo).

O provisório de futilidade tradicional é projetado com base nos gastos do beta. No entanto, os gastos com beta não têm interpretação intuitiva. Portanto, é difícil se comunicar com colegas não estatísticos. Como o PPOS tem interpretação intuitiva, faz mais sentido projetar provisoriamente a futilidade usando PPOS. Para declarar a futilidade, exigimos que o PPOS seja pequeno e o cálculo do PPOS seja apoiado por informações suficientes. Encontrar o design ideal é equivalente a resolver as 2 equações a seguir.

  1. PPOS = PPOS1
  2. limite superior do intervalo de credibilidade PPOS = PPOS2

Calculando PPOS usando simulações

Na análise provisória, a probabilidade de sucesso preditiva também pode ser calculada por meio do uso de simulações por meio do seguinte método:

  1. Faça uma amostra do parâmetro de interesse da distribuição posterior obtida a partir do conjunto de dados atualmente disponível
  2. Complete o conjunto de dados por amostragem da distribuição preditiva que contém valores ainda não observados nos dados sob análise provisória
  3. Use o conjunto de dados recém-concluído para calcular os critérios usados ​​para calcular o sucesso, que podem ser coisas como valores p, probabilidades posteriores, etc. Isso pode então ser usado para categorizar se uma tentativa foi um sucesso ou não.
  4. Essas três etapas são repetidas um total de n vezes. O PPOS é determinado obtendo a proporção de tentativas bem-sucedidas no conjunto de dados.

O uso de simulação para calcular PPOS torna possível testar estatísticas com distribuições complexas, uma vez que alivia a complexidade de computação que, de outra forma, seria necessária.

Referências