Eine Alpha-Spending-Funktion legt bei einer gruppensequenziellen Studie fest, welcher Anteil des insgesamt vorgesehenen Signifikanzniveaus zu jeder geplanten Zwischenauswertung für einen Wirksamkeitsnachweis verfügbar ist. Sie übersetzt den Informationsstand einer Analyse in eine Entscheidungsgrenze und begrenzt damit die Typ-I-Fehlerrate über alle geplanten Blicke auf die Daten. Die Funktion ist eine vorab definierte Regel, nicht die Zwischenauswertung selbst.
Von wiederholten Analysen zur Grenze
Wiederholte Tests mit derselben nominalen Schwelle würden die Chance einer zufälligen positiven Entscheidung erhöhen. Die Alpha-Spending-Funktion verteilt deshalb das Fehlerbudget über den Verlauf der Studie. Sie kann an den geplanten Informationsanteil anknüpfen und bleibt dadurch auch dann anwendbar, wenn sich der Kalenderzeitpunkt einer Analyse verschiebt, die erforderliche Informationsmenge aber erreicht ist. In der flexiblen Form nach Lan und DeMets wird nicht die Zahl der Analysen festgeschrieben, sondern der Verlauf des Alpha-Verbrauchs als Funktion des erreichten Informationsanteils; die Grenze eines einzelnen Looks folgt dann aus dem dort tatsächlich vorliegenden Informationsstand.
Für jede Analyse ergibt sich aus der bis dahin verfügbaren Fehlerreserve eine Grenze. Wird sie überschritten, kann die im Protokoll vorgesehene Regel einen frühen Wirksamkeitsstopp erlauben. Wird sie nicht überschritten, läuft die Studie weiter, wobei für spätere Analysen nur der in der Funktion vorgesehene Teil des Gesamtbudgets verbleibt.
Der Alpha-Verbrauch wird nicht nach einer beobachteten Richtung des Effekts angepasst. Eine früh sehr günstige Schätzung verschiebt das vorgesehene Budget nicht automatisch. Die vorab kalkulierten Grenzen schützen gerade davor, dass wiederholtes Betrachten einer zufälligen Schwankung als fortschreitender Beweis missverstanden wird.
Unterschiedliche Verläufe des Alpha-Verbrauchs
Funktionen vom Typ O’Brien-Fleming geben in frühen Zwischenanalysen nur einen kleinen Teil des Fehlerbudgets frei und verlangen dort daher sehr starke Evidenz für eine positive Entscheidung; den größten Anteil des Alphabudgets reservieren sie für die Endanalyse. Das schützt vor einem frühen Stopp auf Grundlage noch instabiler Schätzungen. Funktionen vom Typ Pocock setzen vergleichsweise gleichmäßigere Grenzen über die Analysen und machen einen frühen Nachweis eher erreichbar, verlangen dafür aber am Studienende eine strengere Grenze als ein Einzeltest.
Keine dieser Bezeichnungen ersetzt die vollständige Spezifikation. Anzahl und Zeitpunkt der Looks, Informationsmaß, Teststatistik, ein- oder zweiseitige Ausrichtung, sowie Regeln bei Verzögerungen müssen zusammen dokumentiert sein. Auch bei einer abweichenden tatsächlichen Informationsentwicklung darf nicht nach Kenntnis der Ergebnisse entschieden werden, welche Funktion im Nachhinein günstiger gewesen wäre.
Die Information, an die die Funktion anknüpft, ist nicht zwingend die Zahl der eingeschlossenen Personen. Bei einem binären Endpunkt kann sie eng mit vollständig beobachteten Resultaten verbunden sein; bei einem Überlebensendpunkt bestimmen häufig die beobachteten Ereignisse die Aussagekraft. Werden Grenzen nach bloßer Rekrutierungszahl statt nach der vorab definierten Information angewandt, kann die tatsächliche Fehlersteuerung von der Planung abweichen. Das Statistical Team muss daher den erreichten Informationsanteil für jeden Look prüfbar ausweisen. Bei Änderungen des Informationsflusses darf die Anpassung der Analysezeitpunkte nur nach einer Regel erfolgen, die unabhängig von den vertraulichen Wirksamkeitsresultaten angewandt werden kann.
Abgrenzung zur Zwischenauswertung
Die interim-analysis ist die Auswertung der bis zu einem Zeitpunkt verfügbaren Daten. Die Alpha-Spending-Funktion beantwortet eine andere Frage: Welche Wirksamkeitsgrenze gilt an diesem Look angesichts der bereits verbrauchten und noch verfügbaren Fehlerwahrscheinlichkeit? Eine Zwischenauswertung kann neben Wirksamkeit auch Sicherheit, Durchführbarkeit oder Futility prüfen; die Alpha-Spending-Funktion betrifft die geplante Kontrolle positiver Fehlentscheidungen.
Auch ein gruppensequenzielles Design ist umfassender. Es enthält die Folge der Analysen, Entscheidungsregeln, Verantwortlichkeiten und den Weg zur Schlussanalyse. Die Alpha-Spending-Funktion ist darin das Instrument zur Verteilung des Signifikanzniveaus für die Wirksamkeitsgrenzen, nicht das gesamte Design.
Bedeutung für klinische Studien
Die Funktion muss mit dem Informationsfluss der Studie harmonieren. Bei Zeit-bis-Ereignis-Endpunkten wird die Zwischenanalyse häufig an Ereigniszahlen oder Informationsanteilen ausgerichtet; Verzögerungen bei der Ereignisbestätigung können dadurch die Durchführung beeinflussen. Ungeplante Ergebnisse dürfen nicht an ein Entscheidungsgremium gelangen, das von den vergleichenden Daten unabhängig bleiben soll.
Full-Service-CROs wie Mediconomics unterstützen die Beschreibung der Look-Termine und Grenzen im Protokoll und Analyseplan, organisieren Daten-Cut-offs und Datenreviews für das unabhängige Gremium, programmieren die vorab festgelegten Gruppensequenz-Auswertungen und dokumentieren die bei jeder Analyse erreichte Information sowie die daraus folgende Entscheidung.
Häufig gestellte Fragen (FAQ)
Verbraucht eine Alpha-Spending-Funktion bei jeder Analyse denselben Anteil?
Nein. Der Verlauf hängt von der gewählten Funktion ab. O’Brien-Fleming-artige Regeln stellen früh wenig Alpha bereit, während Pocock-artige Regeln die Verteilung gleichmäßiger gestalten.
Kann die Funktion erst nach der ersten Zwischenauswertung gewählt werden?
Nein. Ihre Aufgabe ist gerade die prospektive Festlegung der Wirksamkeitsgrenzen, bevor vergleichende Zwischenergebnisse die Wahl beeinflussen können.
Ersetzt Alpha Spending eine Futility-Regel?
Nein. Alpha Spending steuert Grenzen für den Nachweis von Wirksamkeit. Eine Futility-Regel beurteilt, ob ein erfolgreicher Abschluss noch ausreichend wahrscheinlich ist.
Regulatorische Referenzen
- ICH E20, Adaptive Designs for Clinical Trials – behandelt die prospektive Planung von Zwischenauswertungen und Fehlerkontrolle.
- FDA, Adaptive Designs for Clinical Trials of Drugs and Biologics – erläutert regulatorische Erwartungen an adaptive Entscheidungsregeln.
- EMA/CHMP/44762/2017, Guideline on multiplicity issues in clinical trials – betrifft die Fehlerkontrolle bei mehrfachen Testentscheidungen.