Ein graphisches Testverfahren ist ein Rahmen zur Kontrolle der Multiplizität bei mehreren Hypothesen in einer klinischen Studie. Knoten stehen für elementare Nullhypothesen, während Anfangsgewichte lokale Signifikanzniveaus zuordnen und gerichtete, gewichtete Kanten die Weitergabe dieses Niveaus nach einer Zurückweisung regeln. Der Graph bildet damit die vorab festgelegte Teststrategie sichtbar ab, statt sie allein in einer langen Folge von Fallunterscheidungen zu beschreiben.
Der Graph als Testarchitektur
Jede Hypothese erhält zu Beginn einen Anteil des verfügbaren lokalen Signifikanzniveaus. Das kann beispielsweise den primären Endpunkt, einen zweiten primären Endpunkt und ausgewählte sekundäre Endpunkte betreffen. Eine gerichtete Kante legt fest, welcher Anteil des frei werdenden Niveaus an andere Hypothesen weitergegeben wird, wenn der zugehörige Knoten erfolgreich getestet und zurückgewiesen wurde.
Die Gewichte und Kanten drücken eine fachliche Hierarchie aus: Ein Schlüsselendpunkt kann zuerst geprüft werden, ein bestätigender Endpunkt erhält erst nach dessen Erfolg ein Niveau, oder ein Anteil wird auf mehrere Fragen verteilt. Der Graph ist deshalb keine dekorative Abbildung. Seine Zahlen bestimmen, welche Behauptungen bei welchem Resultatmuster konfirmatorisch zulässig sind und müssen mit Studienzielen sowie Endpunktprioritäten übereinstimmen.
Iterativer Ablauf und Dokumentation
Zu jedem Schritt wird geprüft, ob der p-Wert einer aktuell testbaren Hypothese ihr momentanes lokales Niveau erreicht. Bei einer Zurückweisung wird ihr Gewicht gemäß den ausgehenden Kanten neu verteilt; Hypothesen ohne erhaltenes Niveau bleiben in diesem Schritt nicht testbar. Der Prozess endet, wenn keine weitere Zurückweisung die vorgegebenen Bedingungen erfüllt. Die Gesamtlogik verhindert dadurch, dass Niveaureste mehrfach verwendet werden.
Im Prüfplan sollte die graphische Darstellung durch eine eindeutige tabellarische Spezifikation ergänzt werden. Diese enthält Knotenbezeichnungen, Ausgangsgewichte, Kantenrichtungen, Kantenanteile, Testreihenfolge und Regeln für alle Kombinationen relevanter Entscheidungen. Für die Reproduzierbarkeit benötigt die Programmierung eine maschinenlesbare Parametertabelle; eine allein gezeichnete Grafik lässt etwa Rundung, Knoten ohne Kanten oder Sonderregeln nach fehlender Auswertbarkeit offen.
Wenn ein Knoten mehrere ausgehende Kanten hat, werden die Anteile nur nach einer Zurückweisung dieses Knotens aktiv. Scheitert die Prüfung, verbleibt das an ihn gebundene lokale Niveau dort und kann nicht an nachfolgende Hypothesen weitergereicht werden. Diese Asymmetrie unterscheidet einen hierarchischen Graphen von einer nachträglichen Rangliste günstiger p-Werte.
Bei ko-primären Endpunkten muss der Graph außerdem die logische Erfolgsregel abbilden. Sollen beide Hypothesen erfolgreich sein, ist eine bloße Verteilung des Niveaus auf zwei unabhängige Knoten nicht ausreichend; die Spezifikation muss zeigen, wie die gemeinsame Anforderung geprüft wird. Der Graph ersetzt daher keine fachliche Entscheidung darüber, ob Endpunkte alternativ, hierarchisch oder gemeinsam erfolgskritisch sind.
Abgrenzung: kein einzelner Test
Ein graphisches Testverfahren ist kein einzelner statistischer Test wie ein t-Test oder ein Log-Rank-Test. Es steuert, wie die lokalen Niveaus über mehrere solcher Einzeltests eingesetzt werden. Die verwendeten p-Werte können aus unterschiedlichen, jeweils zum Endpunkt passenden Modellen stammen, solange die im Graphen definierte Mehrfachtestprozedur beachtet wird.
Gatekeeping, feste Sequenzen und geschlossene Testprozeduren sind keine Gegenbegriffe, sondern lassen sich je nach Struktur als Spezialfälle oder eng verwandte sequenziell-rejektive Verfahren darstellen. Der Vorteil des Graphen liegt in der Transparenz komplexer Abhängigkeiten: Statt jede Schnittmengenhypothese in Prosa aufzulisten, zeigt er, welche Ablehnung weitere Prüfungen aktiviert und wohin das lokale Niveau fließt.
Bedeutung für klinische Studien
Mehrere Dosierungen, Ko-primäre Endpunkte oder hierarchische sekundäre Ziele erfordern eine Teststrategie, die vor Datenentsperrung fixiert wird. Klinische Entwicklung, Biometrie und Regulatory Affairs müssen daher klären, welcher Endpunkt ein Erfolgsnachweis tragen soll und welche Ansprüche nur nachgelagert geprüft werden dürfen. Änderungen an Kanten oder Gewichten nach Kenntnis von Ergebnissen verändern die konfirmatorische Interpretation und sind keine reine Formatkorrektur.
Bei Interimanalysen muss außerdem feststehen, ob und wie eine Alphaausgabe über Zeitpunkte mit der Verteilung über Hypothesen kombiniert wird. Ein Multiplicity-Graph regelt die zweite Dimension, übernimmt aber nicht ohne ausdrückliche Erweiterung die Regeln eines gruppensequenziellen Designs.
Full-Service-CROs wie Mediconomics unterstützen bei graphischen Testverfahren durch die Übersetzung der Endpunktstrategie in eine formale Graphspezifikation, die Abstimmung der Regeln mit dem SAP, die unabhängige Validierung der statistischen Programme und die tabellarische Darstellung der Testpfade im CSR. Bei Datenbankabschluss lässt sich damit für jede getestete Hypothese der damals verfügbare lokale Schwellenwert nachvollziehen.
Häufig gestellte Fragen (FAQ)
Was bedeutet ein Gewicht von null an einem Knoten?
Die Hypothese ist zu Beginn nicht konfirmatorisch testbar. Sie kann erst ein positives lokales Niveau erhalten, wenn eine oder mehrere vorgeschaltete Hypothesen zurückgewiesen wurden und die Kanten des Graphen eine Weitergabe an diesen Knoten vorsehen.
Können mehrere Hypothesen gleichzeitig lokales Niveau erhalten?
Ja. Ein Graph kann das Anfangsniveau oder nach einer Zurückweisung frei werdende Anteile auf mehrere Knoten aufteilen. Gerade dann muss die Summe der Weitergabegewichte und die Regel jedes nachfolgenden Tests exakt spezifiziert sein.
Ersetzt die Grafik den schriftlichen Multiplicity-Abschnitt im SAP?
Nein. Die Grafik erleichtert die fachliche Prüfung, aber der SAP muss die Hypothesen, p-Werte, Gewichte, Kanten, Übergangsregeln und das Auswertungsset so bestimmen, dass die Implementierung und Prüfung eindeutig möglich sind.
Regulatorische Referenzen
- EMA/CHMP/44762/2017, Guideline on multiplicity issues in clinical trials – behandelt die Kontrolle falscher positiver Schlussfolgerungen.
- ICH E9, Statistical Principles for Clinical Trials – verankert die Vorabfestlegung der statistischen Analyse.
- ICH E9(R1), Estimands and Sensitivity Analysis – verbindet Studienziel und präzise Auswertungsfrage.