Bayes'sche Methoden in Klinischen Studien - Universität Leipzig
Bayes'sche Methoden in Klinischen Studien - Universität Leipzig
Bayes'sche Methoden in Klinischen Studien - Universität Leipzig
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Bayes‘sche <strong>Methoden</strong><br />
<strong>in</strong> Kl<strong>in</strong>ischen <strong>Studien</strong><br />
Dr. Dirk Hasenclever<br />
IMISE, <strong>Leipzig</strong><br />
Hasenclever@IMISE.uni-<strong>Leipzig</strong>.de
E<strong>in</strong>leitung und Überblick<br />
• Bayesianische <strong>Methoden</strong> werden von vielen Statistikern<br />
nur e<strong>in</strong>e Rolle bei Phase I/II <strong>Studien</strong> zugewiesen. (Vgl.<br />
Dosisf<strong>in</strong>dung)<br />
• Bayesianisches Konzept randomisierter <strong>Studien</strong> (nach<br />
Parmar et al.). Argumentationslogische Interpretation.<br />
• Prior der <strong>Studien</strong>gruppe:<br />
< Bei zwei randomisierten Therapiestudien wurde der<br />
Prior der <strong>Studien</strong>gruppe bzgl. des zu erwartenden<br />
Therapieunterschieds erhoben.<br />
< Methodik, Durchführbarkeit und Plausibilität der<br />
Ergebnisse<br />
• Das ethische Problem des “signifikanten Priors”<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 2
Bayes‘sche <strong>Methoden</strong><br />
<strong>in</strong> randomiserten <strong>Studien</strong><br />
• Hybridstudien:<br />
Bayes‘sche <strong>Methoden</strong> <strong>in</strong> der Planung<br />
frequentistischer RCTs<br />
• Bayesianische RCTs:<br />
Planung, Monitor<strong>in</strong>g und Analyse im<br />
Bayesianischen Paradigma<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 3
pr(<br />
θ |<br />
Er<strong>in</strong>nerung: Bayes’sches Paradigma<br />
Bayes-Lernformel: Likelihood=<br />
Wahrsche<strong>in</strong>lichkeit<br />
der Daten gegeben 2<br />
Daten)<br />
=<br />
∫<br />
Prior-Verteilung<br />
Unsicherheit<br />
(Vorwissen)<br />
vor Datenerhebung<br />
pr(<br />
Daten | θ ) ⋅ pr(<br />
θ )<br />
pr(<br />
Daten | θ ') ⋅ pr(<br />
θ ') ⋅ dθ<br />
'<br />
Posterior Verteilung<br />
Unsicherheit über 2<br />
nach Erhebung der Daten<br />
Normierungskonstante<br />
Subjektiver Wahrsche<strong>in</strong>lichkeitsbegriff<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 4
Bayesianische RCTs?<br />
• Kritik (Vgl. Biometrie I):<br />
Frequentistischer Sequenzialpläne s<strong>in</strong>d<br />
epistemologisch problematisch: Wieso ändert<br />
< die Wahl der Stopp<strong>in</strong>g-Rule<br />
< die Anzahl der Daten<strong>in</strong>spektionen<br />
< hypothetisches Verhalten der <strong>Studien</strong>leitung und<br />
< mögliche, aber eben nicht realisierte Daten<br />
(Sample-space)<br />
• die Evidienz aus Daten e<strong>in</strong>er Studie?<br />
• -> p-Werte s<strong>in</strong>d ke<strong>in</strong> adäquates Maß für Evidenz!<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 5
• KONTROVERSE<br />
Bayesianische RCTs? II<br />
• „RCTs s<strong>in</strong>d sche<strong>in</strong>bar objektive, konzeptuell<br />
undurchsichtige „Entscheidungsprozeduren“, ohne<br />
def<strong>in</strong>ierte Präferenzfunktion... (modernes Gottesurteil?)“<br />
• „Bayesianische Analysen hängen ab von subjektivem<br />
Prior – und s<strong>in</strong>d daher unwissenschaftlich“<br />
• Möglicher Antwort: Intersubjektiver Bayes:<br />
Evidenz -> Konsens <strong>in</strong> scientific community<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 6
Konsens durch RCTs<br />
• Def<strong>in</strong>itives RCT führt idealiter zu Konsens bzgl. der<br />
Wertigkeit der verglichenen Therapien.<br />
• Also plane Studie so, dass möglichst e<strong>in</strong> rationaler<br />
evidenzbasierter Konsens hergestellt wird.<br />
• Angestrebter argumentativer Impact ist<br />
planungsrelevant,<br />
(auch wenn weniger pr<strong>in</strong>zipiell gesehen).<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 7
Intersubjectiver Bayes I<br />
• IDEE<br />
Die Daten e<strong>in</strong>er RCT bilden e<strong>in</strong> Argument,<br />
welches das Spektrum vertretbarer<br />
rationaler E<strong>in</strong>schätzungen der<br />
Therapiedifferenz <strong>in</strong>nerhalb der scientific<br />
community homogenisiert.<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 8
Intersubjektiver Bayes II<br />
• Reflexion auf das Spektrum möglicher Prior<br />
zum Zeitpunkt der <strong>Studien</strong>planung:<br />
• Welche Prior können plausibel und rational<br />
<strong>in</strong> der scientific community vertreten<br />
werden?<br />
• <strong>Studien</strong>planungsgrundlage:<br />
„Konsens über Spektrum mögliche Prior“<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 9
Intersubjektiver Bayes III<br />
• Stilisiere das Spektrum möglicher Prior durch se<strong>in</strong>e<br />
Ränder:<br />
< Skeptischer, aber erfahrungsoffener Prior:<br />
„Unwahrsche<strong>in</strong>lich, dass es e<strong>in</strong>en relevanten<br />
Unterschied gibt, aber Studie ist s<strong>in</strong>nvoll“<br />
< Moderat enthusiastischer Prior:<br />
„Gute Chance für e<strong>in</strong>en relevanten Unterschied;<br />
trotzdem ist die Studie ethisch gerade noch<br />
vertretbar, um legitime Skeptiker zu<br />
überzeugen“<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 10
Skeptischer / Enthusiastischer Prior<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 11
Intersubjektiver Bayes IV<br />
• Unterscheide zwei Ebenen:<br />
< Empirische Erhebung von relevanten Priors<br />
–Prior der <strong>Studien</strong>gruppe etc.<br />
–Relevanter Unterschied<br />
< Logische Repräsentation von skeptischem und<br />
enthusiastischem Prior als Grenzprior unter<br />
denen die <strong>Studien</strong>fragestellung überhaupt<br />
s<strong>in</strong>nvoll und akzeptabel ersche<strong>in</strong>t.<br />
–Logische Repräsentation hängt allerd<strong>in</strong>gs von<br />
Konsens über „relevantem Unterschied“ ab.<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 12
Intersubjektiver Bayes V<br />
• Def<strong>in</strong>itive Studie sollte idealiter solange laufen,<br />
bis<br />
< Der Skeptiker von e<strong>in</strong>em relevanten<br />
Unterschied überzeugt ist:<br />
pr(relevant | Daten, Skepsis) > (1-") oder<br />
< Der Enthusiast enttäuscht ist<br />
pr(relevant | Daten, Enthusiast) < $<br />
• Dies liefert rationale Abruchstrategie.<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 13
Bsp.: CHART-trial<br />
Parmer, Griffiths, Spiegelhalter, Souhami, Altman, van der Scheuren (2001)<br />
Lancet 358: 375-81<br />
• Zwei RCTs zur Frage:<br />
• Bei<br />
< Cont<strong>in</strong>uous hyperfractionated accelerated<br />
radiotherapy vs.<br />
< Conventional radiotherapy<br />
< Lung cancer<br />
< Head and Neck tumour<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 14
Bsp.: CHART-trial<br />
Parmer, Griffiths, Spiegelhalter, Souhami, Altman, van der Scheuren (2001)<br />
Lancet 358: 375-81<br />
Lung cancer:<br />
Prior distribution<br />
of 11 participat<strong>in</strong>g<br />
cl<strong>in</strong>icians<br />
Average of probability<br />
distributions provided<br />
by each participant.<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 15
Bsp.: CHART-trial<br />
Parmer, Griffiths, Spiegelhalter, Souhami, Altman, van der Scheuren (2001)<br />
Lancet 358: 375-81<br />
Skeptischer Prior<br />
Skeptischer Posterior<br />
Data alle<strong>in</strong><br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 16
Results from lung cancer trial<br />
Frequentist analysis<br />
Events/N p 2yr<br />
DFS<br />
Diff.<br />
Sceptical Posterior<br />
estimates<br />
2yr<br />
DFS<br />
Diff.<br />
Pr(d>0%) Pr(d>5%) Pr(d>10%)<br />
1991 12/119 - - - - - -<br />
1992 78/256 0.007 20% 7% 95% 70% 24%<br />
1993 192/380 0.001 15% 9% 99% 86% 31%<br />
1994 275/460 0.004 12% 8% 99% 80% 18%<br />
1995 379/563 0.006 9% 7% 99% 73% 9%<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 17
Bsp.: CHART-trial<br />
Parmer, Griffiths, Spiegelhalter, Souhami, Altman, van der Scheuren (2001)<br />
Lancet 358: 375-81<br />
Head&neck tumour:<br />
Prior distribution<br />
of 9 participat<strong>in</strong>g<br />
cl<strong>in</strong>icians<br />
Average of probability<br />
distributions provided<br />
by each participant.<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 18
Bsp.: CHART-trial<br />
Parmer, Griffiths, Spiegelhalter, Souhami, Altman, van der Scheuren (2001)<br />
Lancet 358: 375-81<br />
Daten alle<strong>in</strong><br />
Enthusiastischer Posterior<br />
Enthusiastischer Prior<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 19
Results from Head and Neck cancer trial<br />
Frequentist analysis<br />
Events/N p 2yr<br />
DFS<br />
Diff.<br />
Enthusiastic Posterior<br />
estimates<br />
2yr<br />
DFS<br />
Diff.<br />
Pr(d>0%) Pr(d>5%) Pr(d>10%)<br />
1991 45/272 - - - - - -<br />
1992 188/531 0.5 3% 6% 90% 56% 15%<br />
1993 293/674 0.16 3% 5% 90% 46% 7%<br />
1994 387/791 0.20 4% 5% 95% 53% 7%<br />
1995 464/918 0.33 3% 4% 91% 39% 2%<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 20
Bsp.: CHART-trial<br />
Parmer, Griffiths, Spiegelhalter, Souhami, Altman, van der Scheuren (2001)<br />
Lancet 358: 375-81<br />
„This Bayesian approach to monitor<strong>in</strong>g is simple to implement<br />
and straightforward for the members of the DMEC to understand,<br />
and <strong>in</strong> our op<strong>in</strong>ion more <strong>in</strong>tuitively appeal<strong>in</strong>g than conventional<br />
approaches .<br />
To implement the Bayesian approach, beliefs need to be elicited<br />
from the prospective collaborators.<br />
In our experience, this process has been the bases of a very<br />
Positive <strong>in</strong>teraction, mak<strong>in</strong>g explicit the issues and <strong>in</strong>formation<br />
needed to help design and monitor large randomised trials.“<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 21
Er<strong>in</strong>nerung: Zweimal Testen<br />
falls noch nicht signifikant ? I<br />
E<strong>in</strong>fachster Fall: Ziehe Beobachtungen x i ~ N(0,1)<br />
Teste nach n1 Beobachtungen.<br />
Falls noch nicht signifikant, teste nach weiteren n2 Beobachtungen.<br />
Wahrsche<strong>in</strong>lichkeit die Nullhypothese abzulehnen, wenn sie wahr ist,<br />
pr(<br />
rej(<br />
H<br />
0<br />
))<br />
=<br />
+<br />
pr(<br />
rej<br />
(1 −<br />
test1<br />
( H<br />
pr(<br />
rej<br />
0<br />
test1<br />
))<br />
( H<br />
0<br />
)))*<br />
pr(<br />
rej<br />
test 2<br />
( H<br />
0<br />
)<br />
|<br />
¬ rej<br />
test1<br />
( H<br />
0<br />
)))<br />
ist jedenfalls größer als:<br />
pr( rej ( H ))<br />
test1 0<br />
Bed<strong>in</strong>gte Power > 0<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 22
Frequentistische Eigenschaften<br />
Skeptischer Prior kann spezifiziert werden,<br />
durch Pseudo Daten von fiktiven <strong>Studien</strong>patient<br />
bei denen ke<strong>in</strong> Unterschied beobachtet wurde.<br />
Handicap = PseudoPatienten als % der<br />
geplanten <strong>Studien</strong>fallzahl<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 23
Offene Fragen bei B-RCTs<br />
• Wahl des relevanten Unterschieds<br />
• Genaue Spezifikation von skeptischem und<br />
enthusiastischem Prior <strong>in</strong> diversen Situationen<br />
• Stellenwert empirischer <strong>Studien</strong>gruppenprior<br />
• Enthusiastischer <strong>Studien</strong>gruppenprior und<br />
Ethik von RCTs<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 24
Bestimmung e<strong>in</strong>es <strong>Studien</strong>gruppen-Priors<br />
• Dokumentation des Priors e<strong>in</strong>er<br />
<strong>Studien</strong>gruppe bzgl. des zu erwartenden<br />
Therapieunterschieds zu Beg<strong>in</strong>n der Studie<br />
durch e<strong>in</strong>fache Fragebögen auf dem<br />
Initiierungsstudientreffen.<br />
• Faktorielle Studie:<br />
< Kurze gegen lange Standardtherapie<br />
< Standardtherapie ± NEUESPRÄPARAT®<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 25
Methode<br />
• Zunächst: Darstellung relevanter Daten<br />
und breite Diskussion der<br />
<strong>Studien</strong>konzepion<br />
• Kurzvortrag zum S<strong>in</strong>n der Umfrage<br />
• Fragebogenumfrage<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 26
Fragestellung<br />
Von Ihnen erwarteter Unterschied <strong>in</strong> den 3-Jahres FFTF-Raten<br />
bei H<strong>in</strong>zuname von NEUESPRÄPARAT®:.<br />
ACHTUNG: Vorzeichen positiv: NEUESPRÄPARAT® besser,<br />
Vorzeichen negativ: NEUESPRÄPARAT® schlechter<br />
a) erwartete Differenz: ______% Differenz <strong>in</strong> 3 J. FFTF<br />
b) Obere Überraschungsgrenze: ______% Differenz <strong>in</strong> 3 J. FFTF<br />
c) Untere Überraschungsgrenze: ______% Differenz <strong>in</strong> 3 J. FFTF<br />
( [Untere Überraschungsgrenze , Obere Überraschungsgrenze]<br />
entspricht 95% credible <strong>in</strong>terval. )<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 27
20<br />
8 vs. 6 cycle effect<br />
Lange gegen kurze Standardtherapie<br />
10<br />
Std.abw. = 3,60<br />
Mittel = 6,4<br />
0<br />
N = 45,00<br />
0,0<br />
2,5<br />
5,0<br />
7,5<br />
10,0<br />
12,5<br />
15,0<br />
17,5<br />
20,0<br />
most plausible estimate of difference <strong>in</strong> 3 year FFTF rates <strong>in</strong> %<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 28
8 vs. 6 cycle effect<br />
Lange gegen kurze Standardtherapie<br />
30<br />
30<br />
8 vs. 6 cycle effect<br />
20<br />
20<br />
10<br />
10<br />
Std.abw. = 3,58<br />
Std.abw. = 4,21<br />
Mittel = -1,0<br />
Mittel = 12,6<br />
0<br />
-10,0<br />
-7,5<br />
-5,0<br />
-2,5<br />
0,0<br />
2,5<br />
5,0<br />
N = 45,00<br />
0<br />
5,0<br />
10,0<br />
15,0<br />
20,0<br />
25,0<br />
30,0<br />
N = 45,00<br />
Lower surprise boundary for difference <strong>in</strong> 3 year FFTF rates<br />
Upper surprise boundary for difference <strong>in</strong> 3 year FFTF rates<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 29
40<br />
Rituximab effect<br />
Effekt von NEUESPRÄPARAT®<br />
30<br />
20<br />
10<br />
Std.abw. = 3,64<br />
Mittel = 10,6<br />
0<br />
N = 45,00<br />
5,0<br />
10,0<br />
15,0<br />
20,0<br />
25,0<br />
most plausible estimate of difference <strong>in</strong> 3 year FFTF rates <strong>in</strong> %<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 30
Rituximab effect<br />
Effekt von NEUESPRÄPARAT®<br />
16<br />
20<br />
Rituximab effect<br />
14<br />
12<br />
10<br />
8<br />
10<br />
6<br />
4<br />
2<br />
Std.abw. = 4,52<br />
Mittel = 1,0<br />
Std.abw. = 5,46<br />
Mittel = 18,0<br />
0<br />
-10,0<br />
-7,5<br />
-5,0<br />
-2,5<br />
0,0<br />
2,5<br />
5,0<br />
7,5<br />
10,0<br />
N = 45,00<br />
0<br />
5,0<br />
10,0<br />
15,0<br />
20,0<br />
25,0<br />
30,0<br />
35,0<br />
40,0<br />
N = 45,00<br />
Lower surprise boundary for difference <strong>in</strong> 3 year FFTF rates i<br />
Upper surprise boundary for difference <strong>in</strong> 3 year FFTF rates<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 31
Mixture prior<br />
In order to form a study group prior from the <strong>in</strong>dividual<br />
95% credible <strong>in</strong>tervals a mixture density was constructed.<br />
Individual priors were modelled as<br />
asymmetric half-normal distributions<br />
with mode <strong>in</strong> the plausible estimate and<br />
2,5% credibility outside the surprise boundaries on each side.<br />
Then a mixture of these density was calculated.<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 32
cl<strong>in</strong>icians' mixture prior density<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
Study group Prior prior der <strong>Studien</strong>gruppe on 6 vs. 8 cycles zum Effekt<br />
Lange gegen kurze Standardtherapie<br />
-,20<br />
Frankfurt/M, Feburary, 5th 2001<br />
95% credible <strong>in</strong>terval<br />
[-2,8%, 15,4%]<br />
Median estimate<br />
Pr( delta < 0) = 8,1%<br />
-,15<br />
-,10<br />
-,05<br />
0,00<br />
,05<br />
5,9%<br />
,10<br />
Pr( delta > 10%) = 17,5%<br />
,15<br />
,20<br />
,25<br />
difference <strong>in</strong> 3 year FFTF<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 33
cl<strong>in</strong>icians' mixture prior density<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
Study group Prior prior der on <strong>Studien</strong>gruppe Rituximab effect zum<br />
Effekt von NEUESPRÄPARAT®<br />
-,20<br />
Frankfurt/M, February, 5th 2001<br />
95% credible <strong>in</strong>terval<br />
[-0.7%, 21,5%]<br />
Median estimate<br />
-,15<br />
-,10<br />
-,05<br />
0,00<br />
,05<br />
9,9%<br />
Pr( delta < 0%) = 3,2% Pr( delta > 10% ) = 49%<br />
,10<br />
,15<br />
,20<br />
,25<br />
difference <strong>in</strong> 3 year FFTF rates<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 34
Problem: „Signifikanter“ Prior bzgl.<br />
NEUESPRÄPARAT®<br />
• Studie könnte als unethisch ersche<strong>in</strong>en.<br />
• <strong>Studien</strong>gruppenprior zur Patientenaufklärung?!?<br />
Allerd<strong>in</strong>gs wird E<strong>in</strong>schätzung, die frequentistischer<br />
Planung zugrunde lag, nur explizit gemacht..<br />
• E<strong>in</strong>igkeit auf <strong>Studien</strong>treffen, dass Studie<br />
erforderlich, da Prior auf Extrapolation beruht.<br />
• <strong>Studien</strong>gruppenprior (<strong>in</strong> diesem Fall) enthusiastisch.<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 35
Elderly patients with aggressive Non-Hodgk<strong>in</strong> Lymphoma<br />
Coiffier 2002 NEJM<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 36
Elderly patients with aggressive Non-Hodgk<strong>in</strong> Lymphoma<br />
Coiffier 2002 NEJM<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 37
Figure 1: Event-free survival <strong>in</strong> the NHL-B2 trial. Event-free survival of all 689 eligible<br />
patients assigned to CHOP-21 (n=178), CHOP-14 (n=172), CHOEP-21 (n=170), and<br />
CHOEP-14 (n=169). Median time of observation for all patients is 58 months.<br />
Pfreundschuh 2003<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 38
Figure 2: Overall survival <strong>in</strong> the NHL-B2 trial. Overall survival of all 689 eligible patients<br />
assigned to CHOP-21 (n=178), CHOP-14 (n=172), CHOEP-21 (n=170), and CHOEP-14<br />
(n=169). Median time of observation for all patients is 58 months.<br />
Pfreundschuh 2003<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 39
Ethik von RCTs: Drei Standpunkte zur<br />
Vertretbarkeit von Randomisierung<br />
• Uncerta<strong>in</strong>ty pr<strong>in</strong>ciple (Hill)<br />
< “Only if, <strong>in</strong> his state of ignorance, the doctor believes<br />
the treatment given to be a matter of <strong>in</strong>difference can he<br />
accept to randomise.”<br />
• Cl<strong>in</strong>ical Equipoise<br />
< Randomisation when there exists an honest<br />
professional disagreement among expert cl<strong>in</strong>icians<br />
about the preferred treatment.<br />
• Evidential equipoise (?)<br />
< Randomisation when there is not enough evidence to<br />
conv<strong>in</strong>ce a rational sceptic<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 40
Literatur zu Bayes‘schen RCTs<br />
Parmar MK, Spiegelhalter DJ, Griffiths GO, Altman DG, Souhami RL:<br />
Monitor<strong>in</strong>g of large cl<strong>in</strong>ical trials: a new approach with Bayesian methods.<br />
Lancet 358:375-81 (2001)<br />
Parmar MK, Spiegelhalter DJ, Freedman LS : The Chart trials : Bayesian design and<br />
monitor<strong>in</strong>g <strong>in</strong> practice. Stat <strong>in</strong> Med 13:1287-1312 (1994)<br />
Freedman LS, Spiegelhalter DS, Parmar MK: The what, why and how of Bayesian<br />
cl<strong>in</strong>ical trial monitor<strong>in</strong>g. Stat <strong>in</strong> Med 13 (1994)<br />
Spiegelhalter DJ, Freedman LS, Parmar MK: Bayesian Approaches to<br />
Randomized trials. J R Stat Soc A 157 part 3: 357-416 (with discussion) (1994)<br />
Freedman LS, Spiegelhalter DJ: Application of Bayesian Statistics to decision mak<strong>in</strong>g<br />
dur<strong>in</strong>g a cl<strong>in</strong>ical trial, Stat <strong>in</strong> Med 11: 23-35 (1992)<br />
Vorlesung: Biometrie IV – Kl<strong>in</strong>ische <strong>Studien</strong> Dr. Hasenclever, IMISE, Universität <strong>Leipzig</strong>, SS04 41