臨床試験における多重性調整を評価するためのペナルティベースのアプローチ：従来の多重性の問題

確認的臨床試験における多重性の問題に対処することの重要性を考えると、いくつかの最近の出版物は、個々の設定で多重度調整に最も適した方法を特定するという一般的な目標に焦点を当てていました。この目標は、臨床シナリオ評価アプローチを使用して達成できます。このアプローチは、試験スポンサーが、関連する評価基準を使用して、すべてのもっともらしい統計的仮定セットの下での多重度調整などの適用可能な分析戦略の包括的な評価を実行することを奨励しています。この2部構成の論文は、複数の候補者の多重度調整のパフォーマンスを評価する問題に、多重度の罰則に基づく基準として知られる新しいクラスの基準クラスを適用します。この評価の究極の目標は、個々の試行ごとに効率的で堅牢な調整を特定し、これらの調整のパラメーターを最適に選択することです。パートIは、単一の多重性のソースに関する従来の問題を扱います。最近実施されたフェーズIII試験に基づいた2つのケーススタディを使用して、候補者の複数のテスト方法を評価し、最適化アルゴリズムを構築するためのペナルティベースのアプローチを説明します。

Given the importance of addressing multiplicity issues in confirmatory clinical trials, several recent publications focused on the general goal of identifying most appropriate methods for multiplicity adjustment in each individual setting. This goal can be accomplished using the Clinical Scenario Evaluation approach. This approach encourages trial sponsors to perform comprehensive assessments of applicable analysis strategies such as multiplicity adjustments under all plausible sets of statistical assumptions using relevant evaluation criteria. This two-part paper applies a novel class of criteria, known as criteria based on multiplicity penalties, to the problem of evaluating the performance of several candidate multiplicity adjustments. The ultimate goal of this evaluation is to identify efficient and robust adjustments for each individual trial and optimally select parameters of these adjustments. Part I deals with traditional problems with a single source of multiplicity. Two case studies based on recently conducted Phase III trials are used to illustrate penalty-based approaches to evaluating candidate multiple testing methods and constructing optimization algorithms.