背景

LG 化学计划外包两项试验,其中之一需要复杂的随机化设计:随机化比例为 10:10:10:10:1,且包括三个分层因素。一些分层样本数相对较少,增加了无法达到每个潜在分层分配比例的风险。此外,方案设计指出在第6 个月时,随机到安慰剂组的受试者将停止治疗,并被视为完成研究。

概述

采用区组列表的典型随机化设计需要非常大的区组样本数,可能会多达41 例,但如果考虑到某些分层的招募对象很少,那这样的安排其实并不稳妥。虽也可建立一个符合此类要求的列表,但样本量却不足以满足各个分层区组块的要求,而这会不可避免地导致试验结束后分配比例的不均衡。
LG化学还担心,单个分层可能会因人数太少而无法包括所有的治疗组。如果随机化设计不理想,则LG 化学可能需要增加招募对象,并由此导致研究时间延长和预算增加。

另一项挑战是,对于到达第六个月的安慰剂受试者,与其处于同一区组内的受试者可能会有部分揭盲。

解决方案

凯理斯的随机化专家积极配合,在IRT供应商挑选过程和整个研究建立阶段均与 LG 化学开展深入分析讨论。专家们从生物统计学角度分享了自己的观点,并对随机化设计提出改进建议,进一步确定了区组列表具体能够实现哪些目标。

随机化专家们得出的结论是,使用典型区组列表随机化方法会增加随机不平衡风险。此外,专家们还与LG 化学讨论了最小化随机分组方法。

为突出最小化设计的适用性,他们使用专有的SAS 程序进行模拟,该程序提供了在各治疗组和各分层间实现平衡的想法。该试验模拟被用来展示不同最小化算法参数变动产生的影响,并帮助研究团队在IRT 中选择正确的设置。

例如,在使用动态随机化方法(如最小化法)时,《临床试验统计学指导原则》(ICH E9) 建议在流程中应用随机元素,使之具备非确定性。针对分层招募的给定人口特征,可通过模拟以及常规的分层权重研究随机元素的规模。随机因素作为一款强有力的工具,能够降低分配的可预测性,但也会影响到小规模招募分层群组所能实现的分配比例。

模拟练习为最小化参数如何影响研究结果提供了实用的可视化展示,帮助LG 化学对 IRT随机化设计的可行性树立了信心。凯理斯项目团队运用旗下专有的预验证参数化最小化模块,开展实施"Pocock和Simon偏性掷币分配最小化方法",降低了进行这种复杂随机化方法“定制编程”的常见关联风险。该模块包括每个随机化事件的完整审计跟踪,可帮助审查为什么某位患者被分配到某特定治疗组,以及系统做了哪些计算。

最终结果

LG化学研究团队信赖凯理斯能够实现方案中复杂的随机化设计,并通过适当的设置来确保治疗组之间的平衡。凯理斯的专业性是试验得以成功建立的关键。

"我们高度依赖凯理斯的IRT 专业知识,并遵循凯理斯团队的建议来顺利解决了研究中的各项挑战。双方此次合作带来的是堪称完美的解决方案,满足了我们两项复杂痛风试验的RTSM 需求"。我们依赖Calyx的IRT专业知识,并遵循他们的建议来克服我们研究的挑战,结果令人满意:一个解决方案完美地满足了我们在两项复杂痛风试验中的RTSM需求。

预约与凯理斯随机化专家会面,了解更多关于最小化法和其他先进的RTSM 算法,助力您的试验取得成功。


获取最新消息

不错过任何精彩内容。立即注册,接收涵盖行业新闻和其他相关信息的电子邮件,帮助您推进临床开发。

  • 此字段用于验证目的,应保持不变。
Powered by Translations.com GlobalLink OneLink Software