SEARCH

SEARCH BY CITATION

Keywords:

  • Adaptive design;
  • Clinical trial;
  • personalized medicine;
  • power;
  • treatment–biomarker interaction
  • Primary 60F15;
  • 62G10;
  • secondary 60F05;
  • 60F10

Abstract

Biomarkers play a crucial role in the design and analysis of clinical trials for personalized medicine. One major goal of these trials is to derive an optimal treatment scheme based on each patient's biomarker level. Although completely randomized trials may be employed, a more efficient design can be attained when patients are adaptively allocated to different treatments throughout the trial using biomarker information. Therefore, we propose a new adaptive allocation method based on using multiple regression models to study treatment–biomarker interactions. We show that this perspective simplifies the derivation of optimal allocations. Moreover, when implemented in real clinical trials, our method can consolidate all the covariates which may not be related to the treatment–biomarker interaction for a joint analysis. Our general idea can be applied to diverse models to derive optimal allocations. Simulation results show that both the optimal allocation and the proposed design can lead to a more efficient trial. The Canadian Journal of Statistics 41: 525–539; 2013 © 2013 Statistical Society of Canada

Résumé

Les biomarqueurs jouent un rôle essentiel dans la conception et l'analyse d'essais cliniques en médecine personnalisée. L'un des objectifs principaux de ces essais consiste à mettre au point un plan de traitement optimal fondé sur le niveau des biomarqueurs de chaque patient. Bien que des essais entièrement randomisés soient possibles, un plan plus efficace peut être obtenu en répartisssant les patients entre les traitements de façon adaptative au cours de l'essai en se basant sur l'information provenant des biomarqueurs. Ainsi, les auteurs proposent une nouvelle méthode adaptative de répartition basée sur des modèles de régression multiple évaluant les interactions entre le traitement et les biomarqueurs. Les auteurs montrent que cette technique simplifie les calculs menant à la détermination optimale du traitement. De plus, lorsqu'elle est appliquée à de véritables essais cliniques, la méthode proposée peut consolider toutes les covariables qui ne sont pas nécessairement liées à l'interaction entre le traitement et les biomarqueurs dans le cadre d'une analyse commune. Le concept général des auteurs peut être appliqué à divers modèles en vue d’établir l'assignation optimale. Des simulations montrent que la méthode proposée et l'assignation optimale au traitement peuvent mener à des essais plus efficaces. La revue canadienne de statistique 41: 525–539; 2013 © 2013 Société statistique du Canada