Ein gemischtes Modell für Messwiederholungen, kurz MMRM, analysiert wiederholt erhobene Endpunktwerte eines Patienten gemeinsam. Es schätzt Gruppenunterschiede zu den geplanten Besuchszeitpunkten und berücksichtigt, dass Messungen derselben Person stärker zusammenhängen als Messungen verschiedener Personen. Fehlende Werte werden dabei nicht durch einzelne Ersatzwerte aufgefüllt, sondern über das Modell unter einer MAR-Annahme verarbeitet.
Modellierung des Längsschnitts
Das MMRM verwendet die tatsächlich beobachteten Messungen nach Studienbeginn und verbindet sie mit Behandlungsgruppe, Besuch, häufig dem Ausgangswert sowie gegebenenfalls vorab bestimmten weiteren Kovariaten. Die Wechselwirkung von Behandlung und Besuch erlaubt, dass der geschätzte Gruppenunterschied an verschiedenen Zeitpunkten unterschiedlich ausfällt. Eine Kovarianzstruktur beschreibt zugleich die Abhängigkeit der Werte innerhalb einer Person.
Die Wahl dieser Struktur gehört zur Spezifikation des Analyseplans, weil sie die Präzision der Schätzungen beeinflusst. Patienten mit einigen beobachteten Folgewerten tragen über diese Werte zur Schätzung bei, auch wenn andere Visiten fehlen. Patienten ohne jeden Wert nach Studienbeginn können hingegen keinen Verlauf nach Randomisierung zum Modell beitragen.
MAR-Annahme und Datenbasis
MAR bedeutet in diesem Kontext, dass die Wahrscheinlichkeit eines fehlenden Werts durch bereits beobachtete Informationen erklärt werden kann, nachdem die im Modell verwendeten Größen berücksichtigt wurden. Die Annahme ist aus den beobachteten Daten nicht beweisbar. Abbruchgrund, frühere Endpunktwerte und prognostische Ausgangswerte entscheiden deshalb mit darüber, ob das Modell als primäre Auswertung plausibel ist.
Das Modell ersetzt nicht die Aufgabe, Endpunkte nach einer Therapieunterbrechung weiterhin zu erheben. Je weniger Folgewerte für eine Abbruchgruppe vorliegen, desto stärker stützt sich die Schätzung auf die modellierte Beziehung zwischen beobachteten Verläufen und fehlenden Messungen. Ergänzende Sensitivitätsanalysen können prüfen, welche Folgen ein abweichender Verlauf hätte.
Für kategoriale Auswertungen oder nicht kontinuierliche Messskalen ist ein MMRM nicht automatisch die passende Wahl. Der Endpunkttyp, die Zielgröße und die geplante Kontrastbildung bestimmen, ob ein lineares Modell für Messwiederholungen die klinische Frage abbildet. Auch bei geeigneter Skala müssen die Modellschätzungen zu den im Protokoll definierten Besuchszeitpunkten und Interkurrenten Ereignissen passen.
Abgrenzung zu Imputation und Vollständigkeitsanalyse
Ein MMRM ist kein Imputationsverfahren: Es erzeugt für einen fehlenden Messzeitpunkt keinen individuellen Ersatzwert und führt keine vervollständigten Datensätze zusammen. Es ist ein Analysemodell für die beobachteten longitudinalen Daten. Referenzbasierte Imputation kann dagegen fehlende Werte unter einer ausdrücklich gewählten Nachabbruchannahme erzeugen und anschließend ein Auswertungsmodell verwenden.
Auch LOCF, bei dem ein früherer Wert fortgeschrieben wird, und eine Analyse nur vollständig beobachteter Patienten beantworten andere Fragen. Beide legen starre Annahmen über den Verlauf oder die Auswahl der analysierten Personen zugrunde. Die bestehenden Einträge regression und multivariate-analyse sind Oberbegriffe; MMRM bezeichnet die in vielen Analyseplänen konkret festgelegte Modellklasse.
Diagnostische Modellvergleiche können helfen, die gewählte Kovarianzstruktur und den Besuchseffekt zu prüfen, ersetzen aber keine Sachkenntnis über den Datenerhebungsprozess. Sie dürfen nicht dazu führen, dass die primäre Spezifikation nach Sichtung des Behandlungseffekts umdefiniert wird.
Bedeutung für klinische Studien
Bei Skalen zu Symptomen, Funktion oder Laborwerten bestimmt das MMRM, wie Daten aus mehreren planmäßigen Besuchen in den primären Vergleich eingehen. Vor der Datenbankfreigabe müssen Besuchsfenster, abweichende Messungen, Ausgangswertdefinitionen und die Zuordnung zu Interventionsphasen geprüft werden. Die Ergebnistabellen sollten die geschätzte Differenz je Zeitpunkt samt der zugrunde liegenden Patientenzahlen transparent machen.
Full-Service-CROs wie Mediconomics unterstützen bei der Formulierung der MMRM-Spezifikation im statistischen Analyseplan, bei der Prüfung der ADaM-Datenstruktur und bei unabhängigen Programmierreviews. Die biostatistische Dokumentation kann Kovariaten, Besuchsfaktoren, Kovarianzstruktur und die geplanten Sensitivitätsanalysen so festhalten, dass der Längsschnittvergleich auditierbar bleibt.
Für den primären Vergleich müssen die Konvergenz des Modells, die Behandlung einzelner Extremwerte und die Umsetzung der visitenspezifischen Kontraste nachvollziehbar dokumentiert sein. Ein Modell, das rechnerisch nicht stabil schätzt, ist keine tragfähige Ergebnisgrundlage. Die Qualitätsprüfung untersucht daher nicht nur die erzeugten Tabellen, sondern auch die Übereinstimmung von Spezifikation, Daten und Programmcode.
Häufig gestellte Fragen (FAQ)
Füllt ein MMRM fehlende Visitenwerte auf?
Nein. Das Modell nutzt die vorhandenen Messungen zur Schätzung der Parameter. Es gibt zwar modellbasierte erwartete Werte, diese sind aber nicht mit individuell imputierten Werten in einem vervollständigten Analysedatensatz gleichzusetzen.
Warum ist der Ausgangswert häufig eine Kovariate?
Der Ausgangswert kann den späteren Endpunkt stark vorhersagen und verbessert dann die Präzision des Gruppenvergleichs. Seine Einbeziehung muss vorab festgelegt sein und zur Definition der analysierten Veränderung passen.
Ist das MMRM bei allen Formen fehlender Daten unverzerrt?
Nein. Seine Gültigkeit hängt von der MAR-Annahme und der korrekten Modellspezifikation ab. Wenn das Fehlen nach den berücksichtigten Informationen noch vom unbeobachteten Endpunkt abhängt, sind MNAR-orientierte Sensitivitätsanalysen erforderlich.
Regulatorische Referenzen
- ICH E9(R1), Addendum zu Estimanden und Sensitivitätsanalysen – trennt Analyseansatz und Annahmen zu fehlenden Daten.
- EMA/CPMP/EWP/1776/99 Revision 1, Guideline on Missing Data in Confirmatory Clinical Trials – erläutert MAR und die regulatorische Bewertung von Missing Data.
- EMA/CHMP/295050/2013, Guideline on Adjustment for Baseline Covariates in Clinical Trials – behandelt die vorab spezifizierte Kovariatenadjustierung.
