---
webr:
packages: [dplyr, ggplot2]
resources: [R/setup.R, data/nhanes.rds]
cell-options:
autorun: true
timelimit: 300
---
{{< include ./_extensions/r-wasm/live/_knitr.qmd >}}
# 非劣性・同等性 {#sec-noninferiority}
```{webr}
#| include: false
source("R/setup.R")
```
新しい薬が、従来の薬より **よく効く** ことを示す必要はなく、「**効き目はほぼ同じで、副作用が少ない・安い・飲みやすい**」ことを示したい場合があります。
このとき問うのは「差があるか」ではなく、「**新しい薬が、許せる範囲を超えて劣っていないか**」です(非劣性試験)。
この章でも、評価項目は血圧の下がり幅(mmHg、大きいほどよい)、標準偏差は 10 mmHg とします。
## 「有意差なし」は「同じくらい」ではない
1 群 30 人の試験で、新しい薬と従来の薬に有意差がなかったとします。
```{webr}
set.seed(1)
old <- rnorm(30, 0, 10)
new <- rnorm(30, -1, 10) # 本当は 1 mmHg 劣る
t.test(new, old, var.equal = TRUE)
```
p = 0.82 で「有意差なし」です。しかし、差の 95% 信頼区間は **−4.95〜3.96 mmHg** で、新しい薬が 5 mmHg 近く劣っている可能性を否定できません。
人数が少ないほど有意差は出にくいので、「有意差がないから同等」と言えるなら、**小さくていい加減な試験ほど同等性を示しやすい** ことになってしまいます。
## 非劣性マージン
非劣性試験では、まず「**ここまでなら劣っていても許せる**」という差、**非劣性マージン M** を決めます。ここでは M = 3 mmHg とします。
判定は信頼区間で行います。
- 差(新しい薬 − 従来の薬)の **95% 信頼区間の下限が −M より大きければ**、非劣性を示せた
- これは「新しい薬が M 以上劣る」という帰無仮説を、**片側 2.5%** で棄却することと同じ
```{webr}
#| fig-height: 3.2
d <- data.frame(試験 = factor(c("A", "B", "C", "D"), levels = c("D", "C", "B", "A")),
推定値 = c(1.0, 0.0, -1.5, -2.5), 下限 = c(-1.5, -2.0, -4.0, -6.0), 上限 = c(3.5, 2.0, 1.0, 1.0),
判定 = c("非劣性(優越性も?)", "非劣性", "示せない", "示せない"))
ggplot(d, aes(推定値, 試験, colour = 判定)) +
geom_vline(xintercept = 0, colour = "grey60") +
geom_vline(xintercept = -3, linetype = 2, colour = "firebrick") +
geom_pointrange(aes(xmin = 下限, xmax = 上限), linewidth = 1) +
labs(x = "差(新しい薬 − 従来の薬)の推定値と 95% 信頼区間 (mmHg)", y = NULL, colour = NULL,
subtitle = "赤い破線:−M = −3 mmHg")
```
試験 C は推定値が −1.5 と、試験 A・B に近いのに、信頼区間が −M をまたいでいるので非劣性を示せません。信頼区間が広い(人数が少ない)からです。
## 必要な人数
本当の差が 0(新しい薬と従来の薬が同じ効き目)のとき、95% 信頼区間の下限が −3 を上回る確率を 80% にしたい、と考えます。
これは、差が「0 と −3」の間で、片側 2.5% の検定をすることと同じです。
$$
n = \frac{2 (z_{1-\alpha} + z_{1-\beta})^2 \sigma^2}{(M - |\Delta_{本当}|)^2}
\qquad (\alpha \text{ は片側 } 0.025)
$$
```{webr}
2 * (qnorm(0.975) + qnorm(0.80))^2 * 10^2 / 3^2 # 公式
power.t.test(delta = 3, sd = 10, power = 0.80,
sig.level = 0.025, alternative = "one.sided")$n # t 分布
```
1 群 **176 人** です。差 5 mmHg の優越性試験(64 人)より多いのは、マージン 3 mmHg が小さいからです。シミュレーションで確かめます。
```{webr}
set.seed(1)
n <- 176
res <- replicate(2000, {
old <- rnorm(n, 0, 10); new <- rnorm(n, 0, 10) # 本当は同じ効き目
tt <- t.test(new, old, var.equal = TRUE)
c(非劣性を示せた = tt$conf.int[1] > -3, 優越性で有意 = tt$p.value < 0.05)
})
rowMeans(res)
```
約 81% の試験で非劣性を示せました。同じ試験を優越性の検定として見ると、有意になるのは約 5%(本当は差がないので、当然です)。
### 新しい薬が少しだけ劣るとき
本当は新しい薬が少しだけ劣る(例えば −1 mmHg)と見込むなら、マージンまでの「余裕」が小さくなり、人数は急に増えます。
```{webr}
true_diff <- c(0, -0.5, -1, -1.5)
data.frame(本当の差 = true_diff,
`1群の人数` = sapply(true_diff, function(d)
ceiling(power.t.test(delta = 3 + d, sd = 10, power = 0.8, sig.level = 0.025, alternative = "one.sided")$n)),
check.names = FALSE)
```
本当の差が −1 mmHg なら 394 人と、差 0 のときの 2 倍以上です。
## 同等性試験
「劣っていない」だけでなく、「**優れてもいない**」(例えば後発医薬品が先発品と同じ)ことを示したいときは、**同等性試験** にします。
95% 信頼区間が、**−M から +M の間にすっぽり入れば** 同等性を示せます(両側を片側 2.5% ずつで検定する、TOST)。
本当の差が 0 のとき、両側の境界を同時にクリアする必要があるので、β を両側に半分ずつ配分します。
```{webr}
n_eq <- ceiling(2 * (qnorm(0.975) + qnorm(1 - 0.20 / 2))^2 * 10^2 / 3^2)
n_eq
set.seed(1)
mean(replicate(2000, {
ci <- t.test(rnorm(n_eq, 0, 10), rnorm(n_eq, 0, 10), var.equal = TRUE)$conf.int
ci[1] > -3 & ci[2] < 3
}))
```
公式では 1 群 234 人、シミュレーションでは検出力は約 78% でした。正規分布の公式は、t 分布より少しだけ楽観的です。計画では数人足すか、シミュレーションで確かめて決めます。
::: {.callout-note}
## 同等性の判定に 90% 信頼区間を使うこともある
生物学的同等性試験では、TOST を片側 5% ずつ(= 90% 信頼区間が範囲に入るか)で行うのが慣例です。
どちらを使うかで人数が変わるので、規制当局のガイドラインや分野の慣例を確認します。
:::
## 割合の非劣性
治癒率が両群とも 85% と見込み、マージンを 10 ポイントとします。
```{webr}
p <- 0.85; M <- 0.10
n_p <- ceiling((qnorm(0.975) + qnorm(0.80))^2 * (p * (1 - p) * 2) / M^2)
n_p
set.seed(1)
mean(replicate(2000, {
a <- rbinom(1, n_p, p) / n_p; b <- rbinom(1, n_p, p) / n_p # 従来・新しい治療の治癒率
(b - a) - qnorm(0.975) * sqrt(a * (1 - a) / n_p + b * (1 - b) / n_p) > -M
}))
```
1 群 201 人で、検出力は約 80% です。
## マージンの決め方
マージンは、人数を左右するいちばん大事な値で、**統計ではなく臨床と規制の判断** です。
::: {.callout-warning}
## マージンを決めるときの注意
- 従来の薬が **プラセボに対して持つ効果**(過去の試験から見積もる)より、ずっと小さくする。よく使われるのは、その効果の 50% 以上を保つ値
- マージンを大きくすれば人数は減るが、「プラセボと変わらない薬」まで非劣性になってしまう
- マージンは **データを見る前に** 決め、根拠とともに計画書に書く
- 非劣性試験では、ITT 解析(割り付けたとおり)が必ずしも保守的にならない(脱落や不遵守で両群が似てくると、非劣性を示しやすくなる)。**ITT と per-protocol の両方** で非劣性を確かめる
:::
## やってみよう
::: {.callout-note}
## 練習
1. マージンを 3 mmHg から 4 mmHg にすると、非劣性試験の人数(本当の差 0、検出力 80%)はどう変わりますか
2. 治癒率が両群とも 70% なら、マージン 10 ポイントの非劣性試験は 1 群何人必要ですか
:::
```{webr}
#| autorun: false
# 1.
power.t.test(delta = 4, sd = 10, power = 0.80, sig.level = 0.025, alternative = "one.sided")$n |> ceiling()
# 2.
ceiling((qnorm(0.975) + qnorm(0.80))^2 * (0.70 * 0.30 * 2) / 0.10^2)
```
::: {.callout-tip collapse="true"}
## 解答
1. 1 群 100 人。マージンを 3 → 4 mmHg に広げると、人数は (3/4)² ≈ 0.56 倍になります。マージンの決め方が人数を大きく左右することが分かります
2. 1 群 330 人。割合が 50% に近いほどばらつきが大きく、人数が増えます
:::
::: {.callout-important}
## この章のまとめ
- 「有意差なし」は「同じくらい」ではない。同等・非劣性を示したいなら **最初からそのように計画** する
- 非劣性は「差の 95% 信頼区間の下限 > −M」で判定する(片側 2.5% の検定)
- 人数は (M − 本当の差)² に反比例。本当の差を少しでも劣ると見込むと、人数は急に増える
- 同等性は信頼区間が −M〜+M に入るかで判定。β を両側に分けるので、非劣性より多く必要
- マージンは臨床と規制の判断。データを見る前に、根拠とともに決める
:::