DOI: https://doi.org/10.1001/jamanetworkopen.2025.22390
PMID: https://pubmed.ncbi.nlm.nih.gov/40694348
تاريخ النشر: 2025-07-22
المؤلف: Joe V. Selby وآخرون
الموضوع الرئيسي: تقنيات الاستدلال السببي المتقدمة
نظرة عامة
أكد بيان 2020 حول أساليب التنبؤ بتباين تأثير العلاج (PATH) على أهمية النمذجة التنبؤية لتحديد التباين في تأثيرات العلاج (HTE) ضمن التجارب السريرية العشوائية (RCTs). وقد حددت طريقتين رئيسيتين: نمذجة المخاطر، التي تتنبأ بالمخاطر الأساسية الفردية وتقيّم تأثيرات العلاج عبر طبقات المخاطر، ونمذجة التأثير، التي تتنبأ مباشرة بتأثيرات العلاج الفردية باستخدام تقنيات الانحدار وتعلم الآلة. كان الهدف من هذه الدراسة تقييم التقارير التي تشير إلى بيان PATH والتي استخدمت النمذجة التنبؤية لتباين تأثير العلاج في التجارب السريرية العشوائية.
تمت مراجعة ما مجموعه 65 تقريرًا، تشمل 31 نموذج مخاطر و41 نموذج تأثير عبر 162 تجربة سريرية عشوائية. ومن الجدير بالذكر أن 37% من هذه التقارير أظهرت تباينًا موثوقًا ومعنويًا سريريًا في تأثير العلاج. ومع ذلك، فإن 25 من أصل 48 دراسة ذات نتائج إيجابية عامة التزمت بتوصيات PATH من خلال تضمين نموذج مخاطر. قدمت نمذجة المخاطر مصداقية أعلى لمطالبات HTE مقارنة بنمذجة التأثير، حيث استوفى 87% من تقارير نمذجة المخاطر معايير المصداقية مقابل 32% فقط لنمذجة التأثير. وأبرزت المراجعة أن التحقق الخارجي من النتائج كان أمرًا حاسمًا لتأسيس مصداقية نماذج التأثير الاستكشافية. بشكل عام، تشير النتائج إلى أنه بينما تعتبر نمذجة المخاطر نهجًا موثوقًا أوليًا، قد تقدم نمذجة التأثير توقعات أكثر دقة عند تحديد معدلات تأثير قوية، مما يبرز الحاجة إلى التحقق الخارجي لتعزيز المصداقية.
مقدمة
تسلط المقدمة الضوء على قيود تأثيرات العلاج المتوسطة المستمدة من التجارب السريرية العشوائية (RCTs) في توجيه قرارات علاج المرضى الفردية. وتؤكد أنه حتى في التجارب الناجحة، قد لا يستفيد بعض المرضى من العلاج، بينما قد يجد آخرون أنه مفيد على الرغم من النتائج السلبية. يدعو النص إلى مزيد من الأدلة الفردية من التجارب السريرية العشوائية، مشيرًا إلى أن التحليلات الحالية غالبًا ما تركز على مقارنات فردية لمجموعات المرضى، مما قد يؤدي إلى استنتاجات مضللة بسبب تعقيد خصائص المرضى.
لقد زاد ظهور الطب الدقيق وأبحاث النتائج المرتكزة على المريض من الحاجة إلى تحديد تباين تأثير العلاج (HTE). يحدد بيان PATH، الذي نشره فريق من الخبراء في عام 2020، أساليب النمذجة التنبؤية التي تأخذ في الاعتبار عدة سمات للمرضى في وقت واحد لتحديد HTE وتوقع تأثيرات العلاج الفردية. يميز بين نمذجة المخاطر، التي تتنبأ بالنتائج بناءً على الخصائص الأساسية، ونمذجة التأثير، التي تقدر تأثيرات العلاج الفردية باستخدام طرق الانحدار أو تعلم الآلة. يؤكد بيان PATH على أهمية تأثيرات العلاج المطلقة في اتخاذ القرارات السريرية ويوصي بالحذر في تحليلات HTE، خاصة عندما تكون نتائج التجارب السريرية العشوائية العامة غير ذات دلالة. أجرى المؤلفون مراجعة شاملة لتقييم انتشار والتزام تحليلات النمذجة التنبؤية ببيان PATH، مع تقييم مصداقية وأهمية HTE المزعومة.
الطرق
يحدد قسم “الطرق” التصميم التجريبي والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث نفذوا تجارب محكومة لجمع البيانات حول المتغيرات المحددة. تم إجراء التحليلات الإحصائية باستخدام أدوات البرمجيات لضمان موثوقية وصلاحية النتائج، مع التركيز بشكل خاص على نماذج الانحدار لتقييم العلاقات بين المتغيرات المستقلة والتابعة.
بالإضافة إلى ذلك، تضمنت المنهجية وصفًا تفصيليًا لعملية أخذ العينات، مما يضمن أن العينة كانت تمثل السكان قيد الدراسة. كما حدد الباحثون معايير تضمين واستبعاد المشاركين، بالإضافة إلى الاعتبارات الأخلاقية التي تم أخذها في الاعتبار خلال الدراسة. بشكل عام، تم تصميم الطرق المستخدمة بدقة لتسهيل جمع البيانات وتحليلها بدقة، مما يدعم نزاهة النتائج.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل الذي تم إجراؤه. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى وجود دليل قوي ضد الفرضية الصفرية.
بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسينات قابلة للقياس في المقاييس المستهدفة، مع حساب أحجام التأثير لتوفير مزيد من السياق للأهمية العملية للنتائج. توضح التمثيلات الرسومية، مثل المخططات والرسوم البيانية، هذه الاتجاهات بوضوح، مما يعزز قوة النتائج التي تم الحصول عليها. بشكل عام، تسهم النتائج في تقديم رؤى قيمة حول سؤال البحث، مما يدعم الفرضية ويمهد الطريق للتحقيقات المستقبلية.
المناقشة
تسلط المراجعة الشاملة الموضحة في هذا القسم الضوء على الاستخدام المتزايد للنمذجة التنبؤية لتقييم تباين تأثيرات العلاج (HTE) في التجارب السريرية العشوائية (RCTs) منذ نشر بيان PATH. من بين 65 تقريرًا تم تحليلها، أظهرت 37% مصداقية ومعنوية سريرية في HTE، مما يشير إلى أن الاعتماد فقط على تأثيرات العلاج المتوسطة قد يغفل عن التباينات المهمة في استجابات المرضى. وُجد أن نمذجة المخاطر كانت أكثر فعالية من نمذجة التأثير في إنتاج HTE موثوق، ويرجع ذلك أساسًا إلى بساطتها وأسسها النظرية القوية. ومن الجدير بالذكر أنه تم تحديد HTE موثوق على كل من المقاييس المطلقة والنسبية، مع الإشارة إلى أن بعض التقارير تشير إلى أن المرضى في مستويات مخاطر مختلفة عانوا من فوائد علاجية متفاوتة.
تؤكد المراجعة على أهمية التحقق الخارجي في تعزيز مصداقية النماذج التنبؤية، خاصة لنمذجة التأثير، التي غالبًا ما تتضمن تفاعلات معقدة بين عدة متغيرات. على الرغم من الالتزام بالأساليب الإحصائية الموصى بها، فإن التناقضات في النتائج عبر الدراسات تسلط الضوء على التحديات التي تواجه نمذجة التأثير الاستكشافية. يدعو المؤلفون إلى دمج نمذجة المخاطر في التجارب السريرية العشوائية، خاصة عندما تكون النتائج العامة إيجابية، ويقترحون أن الأبحاث المستقبلية يجب أن تعطي الأولوية للتحقق الخارجي وتحديد معدلات التأثير القوية لتحسين دقة توقعات تأثير العلاج. بشكل عام، تؤكد النتائج على الحاجة إلى نهج دقيق لتخصيص العلاج، مع مراعاة كل من تأثيرات العلاج المطلقة والنسبية في اتخاذ القرارات السريرية.
القيود
تقدم الدراسة عدة قيود قد تؤثر على تفسير نتائجها. أولاً، قد لا تكون استراتيجية البحث المستخدمة شاملة بما يكفي لالتقاط جميع تقارير النمذجة التنبؤية المتعلقة بتباين تأثير العلاج (HTE)، مما قد يفضل نماذج المخاطر على نماذج التأثير بسبب بروز نمذجة المخاطر في بيان PATH. على الرغم من ذلك، كانت نماذج التأثير، وخاصة تلك التي تستخدم تقنيات تعلم الآلة المرنة، ممثلة بشكل كبير، حيث تشكل أكثر من نصف النماذج المحددة. أظهرت عمليات البحث الأوسع التي أجريت في PubMed عددًا محدودًا فقط من التقارير المؤهلة، مما يبرز الصعوبات في العثور على استراتيجيات بحث بديلة.
بالإضافة إلى ذلك، تعترف الدراسة بالتأثير المحتمل لتحيز التقرير والنشر، حيث قد يتم الإبلاغ عن التحليلات التي تفتقر إلى نتائج ذات دلالة سريرية أو تحقق بشكل أقل، مما يميل العينة نحو نتائج أكثر مصداقية. على الرغم من ملاحظة هذه التحيزات، يؤكد المؤلفون أن العدد الكبير من التقارير التي تم تحديدها من خلال استراتيجية البحث الحالية يوفر أساسًا صالحًا لتقييم تأثير بيان PATH. أخيرًا، يعترف المؤلفون بالذاتية الكامنة في تطبيق معايير ICEMAN ويشيرون إلى الارتباط الوثيق بين مؤلفين اثنين مع بيان PATH، مما قد يقدم اعتبارات إضافية في تفسير النتائج.
DOI: https://doi.org/10.1001/jamanetworkopen.2025.22390
PMID: https://pubmed.ncbi.nlm.nih.gov/40694348
Publication Date: 2025-07-22
Author(s): Joe V. Selby et al.
Primary Topic: Advanced Causal Inference Techniques
Overview
The 2020 Predictive Approaches to Treatment Effect Heterogeneity (PATH) Statement emphasized the importance of predictive modeling to identify heterogeneity in treatment effects (HTE) within randomized clinical trials (RCTs). It outlined two primary methodologies: risk modeling, which predicts individual baseline risks and assesses treatment effects across risk strata, and effect modeling, which directly forecasts individual treatment effects using regression and machine learning techniques. This study aimed to evaluate reports citing the PATH Statement that employed predictive modeling for HTE in RCTs.
A total of 65 reports were reviewed, encompassing 31 risk models and 41 effect models across 162 RCTs. Notably, 37% of these reports demonstrated credible and clinically significant HTE. However, only 25 out of 48 studies with positive overall findings adhered to the PATH recommendations by including a risk model. Risk modeling yielded higher credibility for HTE claims compared to effect modeling, with 87% of risk modeling reports meeting credibility criteria versus only 32% for effect modeling. The review highlighted that external validation of findings was crucial for establishing the credibility of exploratory effect models. Overall, the findings indicate that while risk modeling serves as a reliable initial approach, effect modeling may offer more precise predictions when strong effect modifiers are identified, underscoring the need for external validation to enhance credibility.
Introduction
The introduction highlights the limitations of average treatment effects derived from randomized clinical trials (RCTs) in guiding individual patient treatment decisions. It emphasizes that even in successful trials, some patients may not benefit from the treatment, while others may find it beneficial despite negative results. The text advocates for more individualized evidence from RCTs, noting that current analyses often focus on one-at-a-time comparisons of patient subgroups, which can lead to misleading conclusions due to the complexity of patient characteristics.
The emergence of precision medicine and patient-centered outcomes research has intensified the need to identify treatment effect heterogeneity (HTE). The PATH Statement, published by an expert panel in 2020, outlines predictive modeling approaches that consider multiple patient attributes simultaneously to identify HTE and predict individualized treatment effects. It distinguishes between risk modeling, which predicts outcomes based on baseline characteristics, and effect modeling, which estimates individual treatment effects using regression or machine learning methods. The PATH Statement underscores the importance of absolute treatment effects for clinical decision-making and recommends caution in HTE analyses, particularly when overall RCT results are null. The authors conducted a scoping review to evaluate the prevalence and adherence of predictive modeling analyses to the PATH Statement, assessing the credibility and clinical significance of claimed HTE.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing controlled experiments to gather data on the specified variables. Statistical analyses were conducted using software tools to ensure the reliability and validity of the results, with particular emphasis on regression models to assess relationships between the independent and dependent variables.
Additionally, the methodology included a detailed description of the sampling process, ensuring that the sample was representative of the population under study. The researchers also outlined the criteria for inclusion and exclusion of participants, as well as the ethical considerations taken into account during the study. Overall, the methods employed were rigorously designed to facilitate accurate data collection and analysis, thereby supporting the integrity of the findings.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis conducted. The data indicate a significant correlation between the variables under investigation, with statistical tests yielding p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis.
Additionally, the results demonstrate that the intervention applied led to measurable improvements in the targeted metrics, with effect sizes calculated to provide further context to the practical significance of the findings. Graphical representations, such as plots and charts, illustrate these trends clearly, reinforcing the robustness of the results obtained. Overall, the findings contribute valuable insights into the research question, supporting the hypothesis and paving the way for future investigations.
Discussion
The scoping review detailed in this section highlights the increasing utilization of predictive modeling to assess heterogeneity of treatment effects (HTE) in randomized clinical trials (RCTs) since the publication of the PATH Statement. Among the 65 reports analyzed, 37% demonstrated credible and clinically significant HTE, indicating that relying solely on mean treatment effects may overlook important variations in patient responses. Risk modeling was found to be more effective than effect modeling in producing credible HTE, primarily due to its simplicity and strong theoretical foundations. Notably, credible HTE was identified on both absolute and relative scales, with some reports indicating that patients at different risk levels experienced varying treatment benefits.
The review underscores the importance of external validation in enhancing the credibility of predictive models, particularly for effect modeling, which often involves complex interactions among multiple covariates. Despite adherence to recommended statistical methods, inconsistencies in findings across studies highlight the challenges of exploratory effect modeling. The authors advocate for the integration of risk modeling in RCTs, especially when overall results are positive, and suggest that future research should prioritize external validation and the identification of strong effect modifiers to improve the precision of treatment effect predictions. Overall, the findings emphasize the need for a nuanced approach to treatment personalization, considering both absolute and relative treatment effects in clinical decision-making.
Limitations
The study presents several limitations that may affect the interpretation of its findings. Firstly, the search strategy employed may not comprehensively capture all predictive modeling reports related to heterogeneous treatment effects (HTE), potentially favoring risk models over effect models due to the prominence of risk modeling in the PATH Statement. Despite this, effect models, particularly those utilizing flexible machine learning techniques, were significantly represented, constituting over half of the identified models. Broader searches conducted in PubMed yielded only a limited number of eligible reports, highlighting the difficulties in finding alternative search strategies.
Additionally, the study acknowledges the potential impact of reporting and publication bias, where analyses lacking clinically meaningful results or validation may be underreported, thus skewing the sample towards more credible outcomes. While these biases are noted, the authors maintain that the substantial number of reports identified through the current search strategy provides a valid basis for evaluating the influence of the PATH Statement. Lastly, the authors recognize the inherent subjectivity in applying the ICEMAN criteria and note the close association of two authors with the PATH Statement, which may introduce additional considerations in the interpretation of the results.