Sample size calculation for the sequential multiple assignment randomized trial (SMART) design with a skewed outcome: Application to the SMART+ study¶
作者: Arijit Dey, Xiaoxi Yan, Bibhas Chakraborty
来源: Statistical Methods in Medical Research
主题: 因果推断
相关性: 5/10
机构绿灯: Duke University(US News 前 50,免分进入精读)
链接: https://doi.org/10.1177/09622802261485814
一、领域脉络与小综述¶
这个方向是什么¶
本文所处的子方向是自适应干预(adaptive interventions)的试验设计,具体聚焦于序贯多分配随机试验(SMART, Sequential Multiple Assignment Randomized Trial)的样本量计算问题。其根本科学问题是:当一个试验需要根据患者的中期反应动态地决定后续治疗分配(即"治疗策略"而非单一治疗)时,如何确定所需的样本量,使得最终对动态治疗策略(dynamic treatment regimes, DTRs)的估计或比较具有足够的精度或功效。该方向的成熟度属于"方法学已建立、但假设条件与现实数据特征存在系统性脱节"的阶段——基础框架(Murphy 2005 的 SMART 设计)已提出近二十年,样本量公式已有多种版本,但对结局分布非正态(尤其是偏态)情形的处理仍属空白。
发展脉络(history)¶
- 奠基工作:Murphy (2005) 提出 SMART 设计本身,确立了"随机化发生在多个决策点、每个决策点的分配可依赖前期反应"的基本框架。这是整个方向的源头,其核心贡献在于将"动态治疗策略"的评估从观察性研究(易受混杂影响)转移到随机化试验(可识别因果效应)中。作者在引言中明确引用此工作作为 SMART 设计的定义性文献。
- 样本量公式的早期发展:Feng & Wahed (2009) 和 Oetting et al. (2011) 分别针对 SMART 设计下嵌入的 DTR 比较给出了样本量公式。Feng & Wahed 的工作针对的是二值结局,Oetting 等则处理连续结局。这些工作共同确立了 SMART 样本量计算的基本范式:先定义目标 estimand(通常是嵌入 DTR 的均值差),再基于正态性假设推导检验统计量的分布,进而反解样本量。作者在引言中将这些工作定位为"现有公式均假设结局正态"的代表。
- 主要进展与扩展:Kidwell et al. (2018) 将样本量公式扩展到多个 DTR 同时比较的情形,并考虑了 Bonferroni 校正等多重比较问题。这一工作标志着该方向从"单一比较"走向"多重比较",更贴近实际 SMART 试验的决策需求。作者引用此工作作为"现有公式涵盖多种结局类型和比较方式"的证据,但同样指出其正态性假设的局限。
- 当前 frontier 与本文位置:当前的前沿问题是结局分布的非正态性。作者指出,在数字健康、行为干预等领域,结局(如使用时长、症状评分)常呈偏态分布,而现有公式的正态性假设会导致样本量被低估或高估。本文的位置是:在 SMART 框架下,针对偏态结局,分别推导基于精度(precision-based,适用于预试验)和基于功效(power-based,适用于正式试验)的样本量公式。这是该方向上第一个系统处理偏态结局的工作。
子线索聚类¶
这些被引文献大致落在两条子线索上:
- SMART 设计的基础理论与因果推断(Murphy 2005; 可能还包括 Robins 关于 DTR 的早期工作):这一簇在做什么——建立 SMART 作为评估 DTR 的黄金标准设计,明确其随机化方案、嵌入 DTR 的定义、以及因果可识别性条件。这是整个领域的根基,后续所有样本量工作都建立在此之上。
- SMART 的样本量计算(Feng & Wahed 2009; Oetting et al. 2011; Kidwell et al. 2018):这一簇在做什么——针对不同结局类型(二值、连续)、不同比较目标(单一 DTR 对、多重 DTR 比较),推导样本量公式。其共同特征是依赖正态性假设或大样本近似,对结局分布的具体形态(如偏态)不敏感。
这个方向在追问的核心问题¶
- 如何定义 SMART 中的目标 estimand? 是嵌入 DTR 的均值、DTR 间的均值差、还是 DTR 与常规治疗的比较?不同定义导致不同的样本量公式。当前主流方法(Feng & Wahed; Oetting 等)均以 DTR 均值差为核心,但多重比较情形下 estimand 的选择更复杂。
- 在给定随机化方案和 DTR 定义下,检验统计量的精确或渐近分布是什么? 这是样本量公式的数学核心。现有方法均依赖正态近似,对偏态结局的适用性存疑。
- 如何在不同试验阶段(预试验 vs 正式试验)选择样本量准则? 预试验关注估计精度(置信区间宽度),正式试验关注检验功效。本文首次将这两种准则同时纳入偏态结局的 SMART 框架。
已知瓶颈:正态性假设与真实数据形态的脱节;偏态结局下检验统计量的分布难以解析刻画;多重比较与偏态性的交互效应未被探索。
⚠️ 作者的 framing(必须明确标注成"这是作者的说法")¶
作者将缺口 frame 成:"现有 SMART 样本量公式均假设结局正态,而实际应用中(如数字干预试验)结局常呈偏态,因此需要针对偏态结局开发新的样本量公式。" 这使得本文成为"显然的下一步"——既然正态性假设是公认的简化,那么放松它自然是顺理成章的扩展。被淡化或回避的竞争路线:作者没有讨论非参数或半参数方法(如基于 bootstrap 的样本量校准、或基于经验分布的方法),这些方法可能对分布形态更稳健;也没有讨论基于 M-estimation 的渐近方差公式是否可以直接推广到偏态情形(这实际上是本文方法的一个潜在替代路径)。明显该被引 / 该存在、却没出现在 intro 里:作者没有引用 Robins 关于 DTR 的因果推断奠基工作(如 Robins 1986, 2004),也没有引用近期关于 SMART 设计优化的文献(如 Murphy 2005 之后的序贯决策理论进展)。这可能是由于本文聚焦于样本量这一相对狭窄的技术问题,但缺失因果推断框架的引用使得本文的 estimand 定义缺乏理论支撑。
张力¶
未见明显对立引用。各被引工作之间在正态性假设下是一致的,没有出现相反结论。真正的张力在于正态性假设的普遍性与实际数据偏态性的普遍性之间的脱节——这不是文献内部的矛盾,而是文献与现实的矛盾,正是本文的切入点。
二、最核心、最简单的例子 / 数学问题¶
第一步:把符号、模型、可观测数据交代清楚¶
符号(逐个点名):
- \(K\):决策点数量(SMART 中患者可能接受至多 \(K\) 次治疗分配)。本文考虑 \(K=2\) 的情形(两个决策点)。
- \(O_1\):基线协变量(baseline covariates),在第一个决策点前观测。
- \(A_1\):第一个决策点的治疗分配,随机化取值于有限集合 \(\mathcal{A}_1\)(如 {干预, 对照})。
- \(O_2\):第一个决策点后的中间结局(intermediate outcome),如患者对初始治疗的反应(responder / non-responder)。
- \(A_2\):第二个决策点的治疗分配,其随机化方案依赖于 \(O_2\)(如 responders 重新随机化,non-responders 接受增强治疗)。
- \(Y\):最终结局(primary outcome),本文假设其偏态分布(如对数正态、Gamma)。
- \(d = (d_1, d_2)\):一个动态治疗策略(DTR),其中 \(d_1\) 是 \(O_1\) 到 \(A_1\) 的映射,\(d_2\) 是 \((O_1, A_1, O_2)\) 到 \(A_2\) 的映射。注意:在 SMART 中,DTR 是嵌入在随机化方案中的,即每个随机化分支对应一个 DTR。
- \(\mu_d = E[Y(d)]\):DTR \(d\) 下的潜在结局均值,是目标 estimand。\(Y(d)\) 是潜在结局(potential outcome),即患者若全程遵循策略 \(d\) 所得到的结局。
- \(\Delta = \mu_{d_1} - \mu_{d_2}\):两个 DTR 的均值差,是检验目标。
- \(n\):总样本量(进入试验的患者数)。
- \(\alpha, \beta\):显著性水平和检验功效(\(1-\beta\) 为功效)。
- \(\sigma^2\):结局方差(在正态假设下);在偏态情形下,方差是分布参数的函数。
- \(\rho\):同一患者两个决策点结局之间的相关性(若涉及纵向测量)。
模型(数据生成机制):
- 患者依次经历 \(O_1 \to A_1 \to O_2 \to A_2 \to Y\)。
- \(A_1\) 以固定概率(如 1:1)随机化;\(A_2\) 的随机化概率依赖于 \(O_2\)(如 responders 以 1:1 重新随机化,non-responders 以 1:1 随机化到增强治疗或对照)。
- 结局 \(Y\) 的分布:本文假设 \(Y\) 服从偏态分布,具体为对数正态分布(log-normal)或 Gamma 分布。在模型设定上,作者使用广义线性模型(GLM)框架:\(g(E[Y]) = \beta_0 + \beta_1 A_1 + \beta_2 A_2 + \beta_3 A_1 A_2\)(或其他均值结构),其中 \(g\) 是链接函数(如对数链接)。
- 可观测数据:研究者观测到 \((O_1, A_1, O_2, A_2, Y)\) 的 \(n\) 个独立同分布样本。关键点:每个患者只遵循一条随机化路径,因此只能观测到一个 DTR 下的潜在结局 \(Y(d)\),其他 DTR 的潜在结局是反事实(不可观测)。SMART 的随机化保证了 \(\mu_d\) 的可识别性——即 \(E[Y(d)]\) 可以从遵循策略 \(d\) 的患者子样本中估计。
第二步:讲最小内核¶
最简特例:考虑 \(K=1\)(单决策点)、两个治疗臂 \(A \in \{0, 1\}\)、结局 \(Y\) 服从对数正态分布(即 \(\log Y \sim N(\mu, \sigma^2)\),或等价地 \(Y\) 的均值为 \(\exp(\mu + \sigma^2/2)\))。此时 SMART 退化为标准的两臂随机对照试验(RCT),但结局是偏态的。
要证的命题:在显著性水平 \(\alpha\) 下,以功效 \(1-\beta\) 检测出两个治疗臂的均值差 \(\Delta = \mu_1 - \mu_0\)(其中 \(\mu_a = E[Y | A=a]\)),需要多少样本量 \(n\)?
传统方法:基于正态假设,\(n = \frac{(z_{1-\alpha/2} + z_{1-\beta})^2 \cdot 2\sigma^2}{\Delta^2}\),其中 \(\sigma^2\) 是结局方差。但若 \(Y\) 偏态,直接用样本均值差 \(\bar{Y}_1 - \bar{Y}_0\) 的渐近方差是 \(\sigma_1^2/n_1 + \sigma_0^2/n_0\)(其中 \(\sigma_a^2 = \text{Var}(Y|A=a)\)),这仍然成立(中心极限定理不要求正态性)。问题出在哪里?
核心困难:在预试验(pilot)场景下,研究者通常只有小样本来估计方差 \(\sigma_a^2\)。若 \(Y\) 偏态,\(\sigma_a^2\) 的估计本身高度不稳定(偏态分布的方差估计收敛慢,且对尾部敏感)。更重要的是,基于精度的样本量公式(要求置信区间宽度不超过某个阈值)在偏态下需要更精细的方差估计。本文的最小内核是:
在 GLM 框架下,将结局的均值结构显式建模(如 \(\log E[Y] = \beta_0 + \beta_1 A\)),然后基于 Fisher 信息矩阵推导参数估计 \(\hat{\beta}_1\) 的渐近方差,进而得到 \(\hat{\Delta} = \exp(\hat{\beta}_0 + \hat{\beta}_1) - \exp(\hat{\beta}_0)\) 的渐近方差,最后反解样本量。
为什么这个内核是"最小"的:它抓住了偏态结局样本量计算的本质——均值与方差通过分布参数耦合(对数正态的均值是 \(\mu\) 和 \(\sigma^2\) 的函数),因此不能像正态情形那样将均值检验和方差估计分开处理。在 GLM 框架下,Fisher 信息矩阵自然包含了这种耦合。证明怎么走:①写出对数似然;②计算 Fisher 信息矩阵;③用 delta method 得到 \(\hat{\Delta}\) 的渐近方差;④令精度/功效条件成立,反解 \(n\)。为什么成立:GLM 的极大似然估计在大样本下是渐近正态且有效的,因此基于 Fisher 信息的方差公式是准确的(在模型正确设定下)。
一般化:当 \(K=2\) 时,SMART 的随机化方案更复杂(第二个决策点的分配依赖 \(O_2\)),但核心逻辑不变——只是 Fisher 信息矩阵的维度更高(包含更多参数),且 \(\Delta\) 的定义涉及多个 DTR 的均值差。本文的主要技术贡献在于将上述单决策点的 GLM 逻辑推广到两阶段 SMART,并分别给出精度型和功效型公式。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:在 SMART 设计中,当结局变量呈偏态分布(对数正态或 Gamma)时,如何计算预试验(精度型)和正式试验(功效型)所需的样本量。
- 核心工具 / 方法:广义线性模型(GLM)框架下的极大似然估计,结合 delta method 推导 DTR 均值差的渐近方差,进而反解样本量;通过模拟研究验证公式的有限样本表现。
- 主要结论:所提出的精度型和功效型样本量公式在偏态结局下具有良好操作特性(覆盖率接近名义水平、功效达到目标),且与正态假设下的公式相比,在偏态严重时给出不同的样本量建议;应用于 SMART+ 研究(数字干预试验)展示了实用性。
关键设定与假设¶
- SMART 设计:两阶段(\(K=2\)),每个决策点两个治疗选项。第一个决策点随机化(如 1:1);第二个决策点根据中间反应 \(O_2\)(responder / non-responder)进行条件随机化(如 responders 重新随机化,non-responders 分配到增强治疗或对照)。
- 结局分布:\(Y\) 服从对数正态分布或 Gamma 分布,通过 GLM 建模均值结构:\(\log(E[Y]) = \beta^\top X\)(对数链接),其中 \(X\) 包含治疗分配和(可能的)交互项。
- 目标 estimand:嵌入 DTR 的均值 \(\mu_d\),以及 DTR 间的均值差 \(\Delta\)。
- 假设:
- 一致性(consistency):观测到的结局等于其遵循的随机化路径对应的潜在结局。
- 无干扰(no interference):一个患者的结局不受其他患者治疗分配的影响。
- 条件随机化:第二个决策点的分配概率已知且仅依赖 \(O_2\)(由设计保证)。
- 模型正确设定:GLM 的均值结构(链接函数和线性预测子)是正确指定的。
- 相比已有文献的放宽/强化:放宽了结局正态性假设(已有公式均假设正态);但强化了分布假设(具体指定为对数正态或 Gamma),而非完全非参数。这意味着本文的方法在分布误设定时可能不稳健。
主要结果¶
- 精度型公式:给定目标置信区间宽度(或相对精度),推导所需样本量 \(n\) 的闭式表达式。该表达式是分布参数(如对数正态的 \(\sigma^2\))和设计参数(随机化比例、responder 概率)的函数。
- 功效型公式:给定显著性水平 \(\alpha\)、功效 \(1-\beta\)、目标效应量 \(\Delta\),推导所需样本量 \(n\)。同样依赖于分布参数。
- 模拟验证:在多种参数组合下(不同偏态程度、不同 responder 概率、不同效应量),所提公式的经验覆盖率接近名义水平(如 95%),经验功效达到或超过目标。与正态假设下的公式对比,在偏态严重时,正态公式给出的样本量偏低(导致功效不足)或偏高(浪费资源)。
- SMART+ 应用:将公式应用于一个实际的数字干预试验(SMART+),该试验的结局(如每周使用天数)呈偏态。作者展示了如何根据预试验数据估计分布参数,进而计算正式试验所需样本量。
证明路线与技术技巧¶
整体路线(3-5 步逻辑主干):
- 设定 GLM 与似然:写出两阶段 SMART 下观测数据的似然函数。由于随机化概率已知,似然可分解为治疗分配部分(已知,不携带参数)和结局部分(GLM)。因此,参数估计等价于在 GLM 下做极大似然估计。
- 计算 Fisher 信息矩阵:对对数似然求二阶导数并取期望,得到 Fisher 信息矩阵 \(I(\beta)\)。这是关键步骤——由于 SMART 的条件随机化结构,\(I(\beta)\) 是各随机化分支的贡献之和,每个分支的贡献是标准 GLM 的 Fisher 信息乘以该分支的概率权重。
- Delta method 求 \(\hat{\Delta}\) 的渐近方差:\(\hat{\Delta} = \hat{\mu}_{d_1} - \hat{\mu}_{d_2}\) 是 \(\hat{\beta}\) 的光滑函数(通过 GLM 的逆链接函数)。由 delta method,\(\text{Var}(\hat{\Delta}) \approx \nabla \Delta(\beta)^\top I(\beta)^{-1} \nabla \Delta(\beta)\)。
- 反解样本量:将 \(\text{Var}(\hat{\Delta})\) 表示为 \(n\) 的函数(因为 Fisher 信息随 \(n\) 线性增长),然后令精度条件(如置信区间半宽 \(\le \delta\))或功效条件(如 \(P(|\hat{\Delta}| / \sqrt{\text{Var}(\hat{\Delta})} > z_{1-\alpha/2}) \ge 1-\beta\))成立,解出 \(n\)。
- 模拟验证:生成两阶段 SMART 数据,计算经验覆盖率/功效,与公式预测对比。
关键跳跃点:
- 最吃功夫的引理/步骤:计算 Fisher 信息矩阵时,需要处理条件随机化带来的结构——第二个决策点的分配概率依赖 \(O_2\),因此 \(O_2\) 的分布(在第一个决策点分配后)必须显式建模。作者假设 \(O_2\) 是二值的(responder / non-responder),其概率是 \(A_1\) 和基线协变量的函数(如 logistic 回归)。这使得 Fisher 信息矩阵的推导变得复杂但可处理。
- 难点在哪:偏态分布(对数正态、Gamma)下,GLM 的 Fisher 信息不是常数,而是依赖于均值参数 \(\beta\)。因此,样本量公式是 \(\beta\) 的函数,而 \(\beta\) 在试验前未知——需要从预试验数据或文献中估计。这引入了参数估计的不确定性,本文通过模拟评估了这种不确定性对样本量公式的影响。
- 作者用什么办法绕过去:采用局部替代(local alternative)或固定效应量的设定——即假设 \(\beta\) 在备择假设下取某个具体值(由研究者指定),从而将样本量公式表达为 \(\beta\) 的显式函数。这是样本量计算的标准做法(类似于正态情形下指定效应量 \(\Delta\))。
技术技巧点名:
- GLM 框架:将对数正态和 Gamma 分布统一在 GLM 下处理,避免为每种分布单独推导。
- Delta method:将 DTR 均值差的渐近方差从参数估计的协方差矩阵中导出。
- Fisher 信息的分支分解:利用 SMART 的条件随机化结构,将总 Fisher 信息分解为各随机化分支的加权和。
- 模拟校准:通过模拟验证公式在有限样本下的表现,特别是覆盖率(精度型)和功效(功效型)。
真实例子与应用¶
- SMART+ 研究:这是一个数字干预试验,旨在评估针对抑郁症或焦虑症患者的自适应干预策略。患者首先被随机分配到不同的初始治疗(如不同的数字健康应用),然后根据早期反应(如症状改善)决定是否调整治疗。结局变量(如每周使用天数、症状评分变化)呈偏态分布。
- 应用方式:作者使用 SMART+ 的预试验数据(或基于文献的合理假设)估计 GLM 参数(如均值结构系数、分布散度参数),然后代入所提公式计算正式试验所需样本量。同时,作者展示了在不同偏态程度和设计参数下,样本量如何变化,帮助研究者理解设计的敏感性。
- 这个例子想说明什么:①所提公式在真实设计场景中的可操作性;②偏态性对样本量的实际影响——在 SMART+ 中,若忽略偏态性(假设正态),样本量可能被低估,导致试验功效不足;③公式的灵活性(可适应不同的随机化方案和 DTR 定义)。
🔎 结论是否比证明窄¶
- 明确窄于证明的 claim:作者在摘要和引言中声称公式适用于"偏态结局",但模拟和推导主要针对对数正态和 Gamma 两种具体分布。对于其他偏态分布(如负二项、零膨胀分布),公式的适用性未经验证。作者在讨论部分可能提到这一点,但结论的措辞("skewed outcomes")比证明覆盖的范围更广。
- 潜在过度泛化:作者可能声称公式在"各种设计参数"下均有效,但模拟覆盖的参数空间有限(如特定的随机化比例、responder 概率范围)。对于极端参数(如 responder 概率接近 0 或 1),公式的表现可能退化。
- 模型依赖:所有结论都依赖于 GLM 均值结构的正确设定。如果真实数据生成机制偏离 GLM(如存在未观测的异质性、交互效应),公式的准确性无法保证。作者在讨论中可能承认这一点,但结论部分未强调。
四、开放问题¶
- 更一般的偏态分布:本文的公式针对对数正态和 Gamma 分布推导。对于其他常见偏态分布(如负二项、零膨胀泊松、Tweedie 分布),如何推广样本量公式?——扎根于本文"假设结局服从对数正态或 Gamma"这一设定(见摘要及第 2 节模型假设)。
- 分布误设定的稳健性:如果真实结局分布既非对数正态也非 Gamma,本文公式给出的样本量是否仍然近似有效?能否开发对分布误设定稳健的样本量公式(如基于半参数方差估计)?——扎根于本文对 GLM 模型正确设定的依赖(见第 3 节假设)。
- 多重 DTR 比较的样本量:本文主要关注两个 DTR 的比较。当 SMART 嵌入多个 DTR(如 \(>2\))且需要多重比较校正时,样本量公式如何调整?——扎根于引言中对 Kidwell et al. (2018) 的引用及其多重比较扩展。
- 中间结局的连续性:本文假设中间反应 \(O_2\) 是二值的(responder / non-responder)。当 \(O_2\) 是连续或更复杂结构时,条件随机化的 Fisher 信息推导会复杂得多,样本量公式如何变化?——扎根于本文对 \(O_2\) 二值化的简化处理(见第 2 节模型设定)。
- 自适应随机化与样本量重估:在 SMART 执行过程中,若中期数据提示参数估计与预设不符,能否设计自适应样本量重估程序?——这是本文静态公式的自然延伸,但未被作者讨论。
提示:若想确认上述某条是否为真 gap,建议检索近 5 年(2020-2025)SMART 设计相关文献(如 Statistical Methods in Medical Research, Biometrics, Clinical Trials 等期刊)的引言部分——若多篇均指出"偏态结局样本量公式缺失"且互相引用,则为共识性 gap;若各文献给出不同处理路径(如非参数 bootstrap、贝叶斯方法),则存在方法竞争,值得深入。
Maintained by 陈星宇 · Homepage · Source on GitHub