5 臨床試験の多重性:評価項目が複数あるとき
臨床試験では、主要評価項目を 1 つに決めて、その検定だけで有効性を判断するのが原則です。主要評価項目が 1 つなら、多重性の補正は要りません。 しかし実際には、
- 主要評価項目を 1 つに絞れない(例えば「死亡」と「入院」のどちらでも効果を主張したい)
- 主要評価項目で効果を示せたら、副次評価項目 でも効果を主張したい(添付文書に載せたい)
ということがあります。この章では、こうした場面で FWER を 5% に保つ方法を、2 つの評価項目 A・B の試験で比べます。
5.1 設定
1 群 100 人の 2 群比較で、評価項目 A と B(相関 0.5)を t 検定します。シナリオごとに、本当の効果(標準化された差)を変えます。
各シナリオで、「A が有意になる確率」「B が有意になる確率」「本当は効果のない評価項目が有意になる確率(FWER)」を比べます。
5.2 シナリオ 1:どちらにも効果がない
- 補正なしで「A か B のどちらかが有意なら有効」とすると、FWER は 約 7% になります(2 つの評価項目に相関があるので、独立な場合の 9.75% より少し小さい)
- 固定順序・Holm・重み付き Holm は、いずれも 5% 以下です
5.3 シナリオ 2:A にだけ効果がある
- 固定順序:A を補正なしの 5% で検定できるので、A の検出力は補正なしと同じ 約 82%。B は効果がないので、有意になるのは約 3%
- Holm:A を 2.5% で検定することになるので、A の検出力は約 74% に下がります
- 重み付き Holm:A に 4% を配分したので、A の検出力は約 80%
5.4 シナリオ 3:B にだけ効果がある
- 固定順序 は、A が有意にならないと B を検定できないので、B の効果を ほとんど見逃します(B が有意になるのは約 3%)
- Holm は B も 2.5% で検定するので、約 73% で検出できます
- 重み付き Holm は、B に 1% しか配分していないので、約 61% です
5.5 シナリオ 4:A にも B にも効果がある
どの方法でも、A と B の両方を検出する機会があります。固定順序は A の検出力を保ったまま、A が有意なときに B も 5% で検定できます。
5.6 方法のまとめ
| 方法 | 手順 | 向いているとき |
|---|---|---|
| 固定順序(階層的検定) | A を 5% で検定 → 有意なら B を 5% で → 有意なら C を… 有意でなくなったら止める | 評価項目の 重要さ・効果の確からしさに明確な順番 がある(主要 → 副次) |
| Holm | 有意水準を均等に分けて、有意になったら残りに回す | 評価項目が 同じくらい重要 |
| 重み付き Holm・グラフ的方法 | 有意水準を重み付きで分け、有意になった評価項目の水準を、決めた割合で他に回す | 重要さに差はあるが、2 番目以降の評価項目も 見逃したくない |
固定順序(階層的検定)は、「A が有意でなければ、B 以降はすべて有意でないとする」というルールを、データを見る前に決めておく ことで、どの評価項目も 5% で検定できます。 順番を間違える(効果が確かでない評価項目を先に置く)と、後ろの評価項目をすべて失います。順番は、効果が大きく確かなもの、臨床的に重要なもの から並べます。
5.7 「どちらも」有意でなければならないとき:co-primary
アルツハイマー病の薬で「認知機能」と「日常生活動作」の 両方 の改善を示す必要がある、というように、すべての 主要評価項目で有意になることを求める場合(co-primary endpoints)があります。 このときは、どれか 1 つが偶然有意になっても有効とは言わないので、有意水準の補正は不要 です。その代わり、検出力が下がります。
A・B それぞれの検出力は約 82% ですが、両方 が有意になるのは約 71% です。 co-primary の試験では、「両方とも有意になる確率」が目標の検出力(80% など)になるように、人数を増やして計画します(サンプルサイズハンズオン の第 7 章のシミュレーション)。
- 主要評価項目は 1 つ が原則。複数なら「どれか 1 つ」か「すべて」かを決める
- 副次評価項目で効果を主張したいなら、固定順序・グラフ的方法 などを、試験開始前に計画書・統計解析計画書に書く
- 補正の方法は、データを見る前に 決める。結果を見てから都合のよい方法を選ぶと、FWER は守られない
- 補正の対象にしない副次評価項目・探索的な解析は、名目上の p 値 として、そのことを明記して報告する
5.8 やってみよう
- 評価項目の相関を 0.5 から 0.9 にすると、シナリオ 1 の「補正なし」の FWER はどう変わりますか(
run_scenario()の中のrho = 0.5を変えてください) - 重み付き Holm の重みを (0.5, 0.5) にすると、Holm と同じになることを、シナリオ 2 で確かめてください
- 約 6% に下がります。評価項目どうしの相関が強いと、2 回の検定は「ほぼ同じことを 2 回」に近くなるからです。それでも 5% は超えます
- 重み (0.5, 0.5) の重み付き Holm は、Holm と同じ結果になります。重み付き Holm は、Holm を一般化したものです
- 主要評価項目が 1 つなら補正は不要。「どれか 1 つでも有意なら有効」とするなら補正が必要
- 固定順序:順番に 5% で検定し、有意でなくなったら止める。順番が正しければ強力、間違えると後ろを失う
- Holm・重み付き Holm(グラフ的方法):有意水準を分けて、有意になったら残りに回す
- co-primary(すべて有意が必要)なら補正は不要だが、検出力が下がるので人数を増やす
- 方法は、データを見る前に計画書に書く