Les plans séquentiels de groupe (GSD) sont une catégorie de plans adaptatifs pour les essais cliniques. Dans un GSD, la taille de l’échantillon n’est pas fixée à l’avance ; au lieu de cela, des analyses intermédiaires planifiées à l’avance sont effectuées pour permettre un arrêt précoce en cas d’efficacité ou de futilité. Pour ce faire, on définit des limites d’arrêt qui contrôlent le taux d’erreur par famille. gsdesign calcule les limites d’arrêt et les tailles d’échantillon pour les analyses intermédiaires avec des tests de moyennes, de proportions, de fonctions de survie et même des méthodes définies par l’utilisateur.

-> La suite gs ->Voyons comment cela fonctionne

La suite gs

La suite gs propose deux commandes : gsbounds et gsdesign.

La commande gsbounds calcule les limites d’efficacité et de futilité en fonction du nombre d’analyses, également appelées looks, de l’erreur de type I globale souhaitée et de la puissance souhaitée.

Vous pouvez choisir parmi sept méthodes de calcul des limites :

• Classique O’Brien-Fleming
• Pocock classique
• Wang-Tsiatis classique
• Le style de Pocock, qui commet des erreurs
• Le style O’Brien-Fleming qui dépense à tort et à travers
• Kim-DeMets, qui gaspille les erreurs
• Dépense d’erreur Hwang-Shih-de Cani

Pour calculer, par exemple, les limites d’efficacité et de futilité O’Brien-Fleming pour une étude avec 5 observations, une puissance de 0,9 et une erreur de type I de 0,05, il faut taper

. gsbounds, efficacy(obfleming) futility(obfleming) nlooks(5)
  power(0.9) alpha(0.05)

Vous souhaitez visualiser ces limites ? Ajoutez l’option graphbounds à la commande ci-dessus.

La commande gsdesign calcule les limites d’efficacité et de futilité et fournit les tailles d’échantillon à chaque regard pour une variété de tests. gsdesign est spécifié avec l’une des sous-commandes énumérées ci-dessous, en fonction du type de test à effectuer pour l’essai.

Voyons comment cela fonctionne

Supposons que nous souhaitions concevoir un essai séquentiel de groupe pour un nouveau vaccin pédiatrique COVID-19 (notre traitement expérimental), que nous comparerons au vaccin de première génération (notre traitement de contrôle). Nous mesurerons le logarithme des titres d’anticorps neutralisants des participants et comparerons le logarithme moyen du groupe expérimental à celui du groupe témoin. Nous pouvons utiliser gsdesign twomeans pour calculer les limites d’arrêt et les tailles d’échantillon requises pour un tel essai.

Disons que nous prévoyons un log-titre moyen de 5,5 avec un écart-type connu de 2 dans le groupe témoin et un log-titre moyen de 6,5 avec un écart-type connu de 3 dans le groupe expérimental. Nous calculerons la taille des échantillons pour un test unilatéral au niveau de 2,5 % avec une puissance de 90 % et nous affecterons deux fois plus de participants au groupe expérimental qu’au groupe témoin.

Nous calculons les tailles d’échantillon pour cinq analyses (quatre analyses intermédiaires et une analyse finale), prévues pour 50 %, 65 %, 80 %, 90 % et 100 % des données. Nous calculons les limites d’efficacité et de futilité non contraignante en utilisant l’approximation de la dépense d’erreur des limites classiques d’O’Brien-Fleming.

Si cet essai se poursuit jusqu’à l’analyse finale, 305 participants seront nécessaires. Cependant, la taille attendue de l’échantillon est plus petite – 179 si l’hypothèse nulle est vraie et 213 si l’hypothèse alternative est vraie. Un plan d’étude fixe équivalent, qui n’offre pas la possibilité d’arrêter prématurément, nécessiterait 269 participants.

Le tableau au bas de la sortie présente les limites d’arrêt sous forme de valeurs z critiques et de valeurs p, ainsi que la taille de l’échantillon requise pour chaque analyse. La première analyse a lieu une fois que les données ont été collectées auprès de 51 participants dans le groupe témoin et de 102 participants dans le groupe expérimental. Si la statistique z est supérieure ou égale à 2,96, l’hypothèse H0 est rejetée et l’essai est arrêté. Si la statistique z est inférieure à 0,38, H0 peut être acceptée et l’essai peut être interrompu pour cause de futilité. Cependant, comme la limite de futilité n’est pas contraignante, même si la statistique z est inférieure à 0,38, l’essai peut se poursuivre sans dépasser l’erreur de type I de la famille. Si la statistique z au premier essai est comprise entre 0,38 et 2,96, l’essai doit continuer à collecter des données jusqu’au deuxième essai.

La procédure de test lors des deuxième, troisième et quatrième examens est similaire à celle de l’examen initial, à la différence que les limites d’efficacité et de futilité se rapprochent progressivement. Lors du cinquième et dernier examen, qui a lieu une fois que les données de 102 participants du groupe témoin et de 203 participants du groupe expérimental ont été collectées, la valeur critique d’efficacité est égale à la valeur critique de futilité, et il n’y a plus d’option pour continuer. Si la statistique z à l’examen final est supérieure ou égale à 2,08, H0 est rejetée ; dans le cas contraire, H0 est acceptée.

Le graphique produit lorsque l’option graphbounds est spécifiée permet de visualiser facilement les limites d’arrêt et les actions requises à chaque regard.

Lorsqu’une statistique z se situe dans la zone de rejet bleue, l’essai est interrompu pour cause d’efficacité. Lorsque la statistique z se situe dans la zone d’acceptation rouge, l’essai peut être interrompu pour cause de futilité. Si la statistique z se situe dans la zone de continuation verte, l’essai passe à l’étape suivante.