Расчет мощности и размера выборки для получения дополнительной чистой выгоды при анализе экономической эффективности с применением к исследованиям, проводимым Канадской группой исследований рака

Методология медицинских исследований BMC, том 23, Номер статьи: 179 (2023) Цитировать эту статью

31 доступ

Подробности о метриках

Исторически сложилось так, что априорные расчеты мощности и размера выборки не проводились на регулярной основе, анализ экономической эффективности (CEA), отчасти из-за отсутствия опубликованных данных о корреляции и дисперсии затрат и эффективности, которые необходимы для расчета мощности и размера выборки. Важно отметить, что эмпирическая корреляция между стоимостью и эффективностью не изучалась в клинической литературе для оценки соотношения цены и качества. Таким образом, еще не установлено, являются ли исследования экономической эффективности, включенные в рандомизированные контролируемые исследования (РКИ), недостаточной или чрезмерной для выявления изменений в соотношении цены и качества. Однако недавно в руководствах (например, ISPOR) и финансирующих агентствах было предложено учитывать размер выборки и расчеты мощности в CEA, встроенных в клинические испытания.

Мы изучили все РКИ, проведенные Канадской группой исследований рака, со встроенным анализом экономической эффективности. Дисперсия и корреляция эффективности и затрат были получены на основе данных исходного исследования. Метод дополнительной чистой выгоды использовался для расчета эффективности анализа экономической эффективности с исследованием альтернативных значений корреляции и готовности платить.

Мы выбрали четыре исследования для включения. Мы заметили, что гипотетический сценарий нулевого коэффициента корреляции между затратами и эффективностью привел к консервативной оценке размера выборки. Анализ экономической эффективности не позволил выявить изменения в соотношении цены и качества в двух испытаниях при готовности платить 100 000 долларов США. Основываясь на наших наблюдениях, мы представляем шесть соображений для будущих экономических оценок, а также онлайн-программу, которая поможет аналитикам включить априорные расчеты размера выборки и мощности в будущие клинические испытания.

Корреляция между стоимостью и эффективностью потенциально оказала значимое влияние на мощность и дисперсию оценок соотношения цены и качества в изученных анализах экономической эффективности. Таким образом, шесть соображений и онлайн-программа могут облегчить априорные расчеты мощности при встроенном анализе экономической эффективности в будущих клинических испытаниях.

• Аналитики могут использовать онлайн-программу, представленную в настоящем исследовании, для изучения априорной силы анализа экономической эффективности.

• Аналитики потенциально могут применить соображения, представленные в этом документе, на этапе планирования будущих анализов экономической эффективности.

Отчеты экспертной оценки

Растущая стоимость противораковых препаратов за последние два десятилетия вызвала в литературе дискуссию о ценности новых противораковых методов лечения [1]. В частности, в литературе высказываются опасения по поводу непропорционально скромного преимущества новых противораковых терапевтических средств по выживаемости по сравнению со значительным увеличением стоимости [2]. Тем не менее, противораковые исследования фазы III традиционно предназначены для выявления улучшений эффективности, а не обязательно изменений соотношения цены и качества [3, 4].

В настоящее время CEA, включенные в исследования рака, обычно выполняются без формальных расчетов размера выборки и мощности [5]. Однако в недавнем отчете Целевой группы по передовой исследовательской практике ISPOR было предложено включить расчеты размера выборки для СЕА в клинические испытания [5]. Кроме того, агентства, финансирующие исследовательские гранты, обычно могут запрашивать обоснование статистического размера выборки даже для конечных точек вторичной экономической оценки в клинических исследованиях рака [личное сообщение: Мэтью Чунг, сопредседатель комитета по экономическому анализу, Канадская группа по исследованию рака, 11 ноября 2022 г.]. Однако в настоящее время в опубликованной литературе недостаточно информации об эмпирических оценках параметров размера выборки [5, 6]. Таким образом, аналитики, возможно, не смогут оценить эффективность СЕА в клинических исследованиях, несмотря на его признанную важность в литературе [5]. Кроме того, может быть сложно оценить вероятность того, что новое лечение будет экономически эффективным, основанным на байесовских методах, поскольку предыдущие распределения дисперсии и ковариации также недостаточно изучены в литературе [6, 7].

0\), at the level $\alpha$, for a given smallest important difference in incremental net benefit value, $b{\left(\lambda \right)}_{\delta }$ [11, 25]. Therefore, in the present study, the smallest important difference may be conservatively calculated as a function of the observed $\Delta E$ and $\Delta C$ values, because discussion in literature exists regarding the best method of defining $b{\left(\lambda \right)}_{\delta }$ [24]. However, because the intent of the present analysis was to examine the practical implications of the correlation coefficient between effectiveness and cost, with respect to a priori sample size or power calculations for cost-effectiveness analysis, the results may be generalizable to other methods of defining $b{\left(\lambda \right)}_{\delta }$. Additionally, as a sensitivity analysis the present study also examined a frequentist method of $b{\left(\lambda \right)}_{\delta }.$ Briefly, this frequentist method is characterized as the minimum $b{\left(\lambda \right)}_{\delta }$ value that satisfies Eq. 6 [6]. Further information on this frequentist method of $b{\left(\lambda \right)}_{\delta }$ is available in Lachin [26]./p>0\) (and ${H}_{0}:b\left(\lambda \right)\ge 0,versus\hspace{0.17em}{H}_{1}:b\left(\lambda \right)<0$ in the CO.17 and CO.17 KRAS trials), at willingness-to-pay threshold of $100,000 (Fig. 2)./p>

0\). Panels d) and e) were examined based on the hypothesis test ${H}_{0}:\hspace{0.25em}b\left(\lambda \right)\ge 0$, versus ${H}_{1}:b\left(\lambda \right)<0$/p>0\) (and ${H}_{0}:b\left(\lambda \right)\ge 0,versus\hspace{0.17em}{H}_{1}:b\left(\lambda \right)<0$ in the CO.17 and CO.17 KRAS trials), assuming the correlation coefficient observed in the cost-effectiveness analysis. The observed cost effectiveness analyses were under-powered (< 80%) to reject the null hypothesis at a willingness-to-pay value of $100,000 in two of the examined trials. Further, when the INB value was close to 0 at the examined willingness-to-pay threshold, as in BR.10 at a willingness-to-pay value of $100,000, the sample size needed to reject the null hypothesis increased considerably, compared to the other examined trials./p>0\). Panels d) and e) were examined based on the hypothesis test ${H}_{0}:\hspace{0.25em}b\left(\lambda \right)\ge 0$, versus ${H}_{1}:b\left(\lambda \right)<0$/p>0\). These estimates may be examined as a range of possible values and should be iteratively refined as additional estimates become available in literature./p>

Новости