Calcolo della potenza e della dimensione del campione per un vantaggio netto incrementale nelle analisi di costo-efficacia con applicazioni agli studi condotti dal Canadian Cancer Trials Group

BMC Medical Research Methodology volume 23, numero articolo: 179 (2023) Citare questo articolo

31 Accessi

Dettagli sulle metriche

Storicamente, i calcoli a priori sulla potenza e sulla dimensione del campione non sono stati eseguiti di routine come analisi costo-efficacia (CEA), in parte a causa dell’assenza di dati pubblicati sulla correlazione e sulla varianza dei costi e dell’efficacia, che sono essenziali per i calcoli della potenza e della dimensione del campione. È importante sottolineare che la correlazione empirica tra costo ed efficacia non è stata esaminata rispetto alla stima del rapporto qualità-prezzo nella letteratura clinica. Pertanto, non è ben stabilito se gli studi sul rapporto costo-efficacia incorporati negli studi randomizzati e controllati (RCT) abbiano una potenza insufficiente o eccessiva per rilevare cambiamenti nel rapporto qualità-prezzo. Tuttavia, recentemente le linee guida (come quelle dell’ISPOR) e le agenzie di finanziamento hanno suggerito che la dimensione del campione e i calcoli della potenza dovrebbero essere considerati nei CEA incorporati negli studi clinici.

Abbiamo esaminato tutti gli studi randomizzati condotti dal Canadian Cancer Trials Group con un'analisi costo-efficacia incorporata. La varianza e la correlazione tra efficacia e costi sono state derivate dai dati dello studio originale. Il metodo del beneficio netto incrementale è stato utilizzato per calcolare la potenza dell’analisi costo-efficacia, esplorando correlazioni alternative e valori di disponibilità a pagare.

Abbiamo identificato quattro studi da includere. Abbiamo osservato che uno scenario ipotetico di coefficiente di correlazione pari a zero tra costo ed efficacia ha portato a una stima conservativa della dimensione del campione. L’analisi costo-efficacia era sottodimensionata per rilevare cambiamenti nel rapporto qualità-prezzo in due studi, con una disponibilità a pagare di $ 100.000. Sulla base delle nostre osservazioni, presentiamo sei considerazioni per future valutazioni economiche e un programma online per aiutare gli analisti a includere calcoli a priori sulla dimensione del campione e sulla potenza nei futuri studi clinici.

La correlazione tra costo ed efficacia ha avuto un impatto potenzialmente significativo sulla potenza e sulla varianza delle stime del rapporto qualità-prezzo nelle analisi costo-efficacia esaminate. Pertanto, le sei considerazioni e il programma online potrebbero facilitare i calcoli di potenza a priori nelle analisi costo-efficacia integrate nei futuri studi clinici.

• Gli analisti possono utilizzare il programma online presentato nel presente studio per esaminare il potere a priori delle analisi costo-efficacia.

• Gli analisti potrebbero potenzialmente applicare le considerazioni presentate in questo documento nella fase di pianificazione delle future analisi costo-efficacia.

Rapporti di revisione tra pari

Il crescente costo degli agenti antitumorali negli ultimi due decenni ha generato discussioni in letteratura riguardo al valore delle nuove terapie antitumorali [1]. Nello specifico, in letteratura sono state presentate preoccupazioni a causa dei benefici di sopravvivenza sproporzionatamente modesti dei nuovi agenti terapeutici antitumorali, rispetto ai sostanziali aumenti dei costi [2]. Tuttavia, gli studi antitumorali di fase III sono convenzionalmente progettati per rilevare miglioramenti nell’efficacia e non necessariamente cambiamenti nel rapporto qualità-prezzo [3, 4].

Attualmente, i CEA incorporati negli studi sul cancro vengono comunemente completati senza calcoli formali sulle dimensioni del campione e sulla potenza [5]. Tuttavia, un recente rapporto della Task Force sulle buone pratiche di ricerca dell’ISPOR ha suggerito l’inclusione di calcoli sulla dimensione del campione per i CEA incorporati negli studi clinici [5]. Inoltre, le agenzie di finanziamento della ricerca possono comunemente richiedere giustificazioni relative alla dimensione del campione statistico anche per gli endpoint secondari di valutazione economica negli studi clinici sul cancro [comunicazione personale: Matthew Cheung, co-presidente del Comitato per l'analisi economica, Canadian Cancer Trials Group, 11 novembre 2022]. Tuttavia, attualmente vi è una scarsità di informazioni nella letteratura pubblicata rispetto alle stime empiriche dei parametri relativi alla dimensione del campione [5, 6]. Pertanto, gli analisti potrebbero non essere in grado di esaminare il potere dei CEA incorporati negli studi clinici, nonostante la loro importanza riconosciuta in letteratura [5]. Inoltre, la probabilità che un nuovo trattamento sia economicamente vantaggioso sulla base dei metodi bayesiani può essere difficile da stimare perché anche le distribuzioni di varianza e covarianza precedenti non sono ben stabilite in letteratura [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>

Notizia

Calcolo della potenza e della dimensione del campione per un vantaggio netto incrementale nelle analisi di costo-efficacia con applicazioni agli studi condotti dal Canadian Cancer Trials Group