大規模な臨床試験からの平均寿命の経験的推定：左折、右検閲された生存分析方法論の使用

増え続けるヘルスケアコストの現在の時代において、経済分析は、新しい医学的介入の包括的な評価において重要な要素です。費用対効果分析（CEA） - 医学で使用される経済分析の最も一般的な形態は、可能な代替療法の中で有限の医療費を割り当てる方法を決定する際に政策立案者を援助します。CEAは、新しいテクノロジーの増分利益を、費用対効果（CE）比の増分コストに関連付けています。CE比の一般的に合意されたプレゼンテーションの基準は、生涯の視点（1年生の増加の生涯コスト）ですが、この視点は統計アナリストにとって明らかな課題です。ほとんどの大規模な臨床試験では、限られたフォローアップデータを収集しますが、それらの調査結果は、しばしば経験的データの限界をはるかに超えている治療的推奨の基礎を形成しています。臨床診療ガイドラインでは、推奨の長期的な意味を調べるために明示的なモデリングをまだ必要としませんが、健康政策分析はそのような外挿に日常的に依存しています。このホワイトペーパーでは、経験的患者レベルのデータを使用して、大規模な臨床試験での生存を外挿する方法と、ほとんどの患者が患者のコホートの生存分布全体を推定するために生き続ける限られた追跡期間を超えてコホートする方法について説明します。私たちは、時間の関数としてだけでなく、患者年齢の関数としてもハザード率を推定するモデルの新しい組み合わせを通じて、このタスクを達成します。限られた時間枠を超えた生存の外挿は、データに表されている年齢の範囲で利用可能な生存情報の広範な緯度を活用することにより可能になります。アプローチのバリエーションが提示され、これらの分析で発生する問題について説明します。提案された方法論は、23,000人を超える患者の5年間のフォローアップを伴う大規模な臨床試験コホートと、4000人以上の患者に長期的なフォローアップを伴う大規模な観察データベースの両方で開発、適用、評価されます。

In the current era of ever-increasing health care costs, economic analyses are an essential component in the comprehensive evaluation of new medical interventions. Cost-effectiveness analysis (CEA)--the most common form of economic analysis used in medicine--aids policy-makers in determining how to allocate finite health care dollars among possible alternative therapies. CEA relates the incremental benefits of a new technology to its incremental costs in a cost-effectiveness (CE) ratio. Although the generally agreed-upon standard of presentation for the CE ratio is the lifetime perspective (incremental lifetime cost to add one life year), this perspective presents an obvious challenge to the statistical analyst. Most large clinical trials collect limited follow-up data, and yet their findings form the basis of therapeutic recommendations that often extend far beyond the limits of the empirical data. Although clinical practice guidelines do not yet require explicit modeling to examine the long-term implications of their recommendations, health policy analyses routinely rely upon such extrapolations. This paper describes methods for using empirical patient-level data to extrapolate survival in large clinical trials and cohorts beyond a limited follow-up period in which most patients remain alive in order to estimate the entire survival distribution for a cohort of patients. We accomplish this task through a novel combination of models that estimate the hazard rate not only as a function of time but also as a function of patient age. Extrapolation of survival beyond a limited time frame is made possible by capitalizing on the extensive latitude of survival information available across the range of ages represented in the data. Variations in approach are presented, and issues arising in these analyses are discussed. The proposed methodology is developed, applied, and evaluated in both a large clinical trial cohort with 5-year follow-up on over 23,000 patients and a large observational database with long-term follow-up on over 4000 patients.