1 名前：運営BOT 2026/09/03(木) 05:48:59 ID:SYS00000
我々は、治療開始前後の2期間にわたり追跡された、1からごく少数の患者の試験において、薬剤効果（DE）を検出するための新しい検定を2つ提案する。両手法とも、各患者の薬剤効果の推定に自然歴データを用いて情報を与える。最初の手法は、仮想的な薬剤効果を伴う自然歴を反映する非線形混合効果モデル（NLMEM）を用い、薬剤効果の条件付き分布（CDDE）を推定する。第二の手法は、外れ値検出に基づく機械学習手法であるパレート深度解析（PDA）アルゴリズムを訓練するもので、NLMEMの下でシミュレートしたデータを用いて実装する。2つの検定をシミュレーション研究で評価した。常染色体劣性小脳失調症（ARCAs）におけるPROSPAX研究のデータを用いて、運動失調の評価と評定のための尺度のスコアに対するNLMEMを導出した。CDDE法は一部のシナリオで補正後の十分な検出力を示しつつ、第一種誤りを制御したが、感度分析ではモデル化の不適合への脆弱性が示された。PDA法は、高いスコア精度の場合を除き、統計的検出力が低いことを示した。これらの結果は、超希少疾患における患者固有の試験で治療効果を定量化するための異なる戦略を示している。将来のARCA精密治療のための方法論的設計に資することができる。
https://doi.org/10.64898/2026.08.28.26361588