インシリコのアプローチは、将来の無作為化臨床試験のための最良の実験設計、人口、および結果を特定するのに役立ちました

目的：私たちの研究の主な目的は、異なるランダム化臨床試験（RCT）実験設計を、電力、治療効果の推定の精度、およびシリコシミュレーションを使用して積極的な治療を受けている患者の数を比較することでした。 研究デザインと設定：患者の仮想集団は、潜在的な臨床試験でシミュレートされ、無作為化されました。治療効果は、定量的または定性的な結果のために用量効果関係を使用してモデル化されました。さまざまな実験設計が考慮され、デザイン間のパフォーマンスが比較されました。モデル化された疾患の例に基づいて、各設計について1000の臨床試験がシミュレートされました。 結果：シミュレーションの結果によると、80％の電力に達するために必要な患者の数は、クロスオーバーで50、並列または無作為化離脱で60、敗者（DL）のドロップで65、早期脱出または勝者（PW）で70でした。特定のサンプルサイズについては、各設計には独自の利点がありました：低持続時間（並列、早期脱出）、高い統計的能力と精度（クロスオーバー）、および活性治療を受けている患者の数（PWおよびDL）。 結論：私たちのアプローチは、将来のRCTの最良の実験設計、人口、および結果を特定するのに役立ちます。これは、まれな疾患、格差のアプローチ、または個別化医療における医薬品開発に特に役立つ可能性があります。

OBJECTIVES: The main objective of our work was to compare different randomized clinical trial (RCT) experimental designs in terms of power, accuracy of the estimation of treatment effect, and number of patients receiving active treatment using in silico simulations. STUDY DESIGN AND SETTING: A virtual population of patients was simulated and randomized in potential clinical trials. Treatment effect was modeled using a dose-effect relation for quantitative or qualitative outcomes. Different experimental designs were considered, and performances between designs were compared. One thousand clinical trials were simulated for each design based on an example of modeled disease. RESULTS: According to simulation results, the number of patients needed to reach 80% power was 50 for crossover, 60 for parallel or randomized withdrawal, 65 for drop the loser (DL), and 70 for early escape or play the winner (PW). For a given sample size, each design had its own advantage: low duration (parallel, early escape), high statistical power and precision (crossover), and higher number of patients receiving the active treatment (PW and DL). CONCLUSION: Our approach can help to identify the best experimental design, population, and outcome for future RCTs. This may be particularly useful for drug development in rare diseases, theragnostic approaches, or personalized medicine.