Flexible Designs für Diagnosestudien – von der Diagnosegüte zur personalisierten Medizin

  • Im laufenden Forschungsprojekt werden für verschiedene Fragestellungen in Diagnosestudien Methoden für adaptive Studiendesigns entwickelt. Dabei ist in Phase 3-Studien die Besonderheit, dass es zwei co-primäre Endpunkte gibt (Sensitivität und Spezifität), während in Phase 4-Studien ein Patient:innen-relevanter klinischer Endpunkt gewählt wird. Weiterhin wird zwischen verblindeten und entblindeten Zwischenauswertungen unterschieden.

    Das Vorhaben wird entsprechend in fünf Unterprojekte aufgeteilt:

    • Adaptive Designs für verblindete Zwischenauswertungen in Phase 3-Diagnosestudien
    • Adaptive Designs für entblindete Zwischenauswertungen in Phase 3-Diagnosestudien
    • Adaptive Designs für verblindete Zwischenauswertungen in Phase 4-Diagnosestudien
    • Adaptive Designs für entblindete Zwischenauswertungen in Phase 4-Diagnosestudien
    • Adaptive seamless designs

    In jedem Unterprojekt werden sowohl komparative Studien, bei denen der experimentelle Test mit einem Standardtest verglichen wird, als auch nicht-komparative Studien, wenn es keinen Standardtest gibt, betrachtet.

    Für die praktische Umsetzbarkeit sollen für alle Designs R- und / oder SAS-Programme geschrieben und öffentlich zur Verfügung gestellt werden.

  • Laufzeit: 2017 - 2021

    • Todd Alonzo (University of Southern California, USA)
    • Norbert Benda (BfArM, Deutschland)
    • Christoph Berding (Roche Diagnostics, Deutschland)
    • Patrick Bossuyt (University of Amsterdam, Niederlande)
    • Jon Deeks (University of Birmingham, UK)
    • Tim Friede (Universitätsmedizin Göttingen, Deutschland)
    • Oke Gerke (Odense University Hospital, Dänemark)
    • Hans Reitsma (University Medical Center Utrecht & University Utrecht, Niederlande)
    • Werner Vach (Universitätsspital Basel, Schweiz)

  • Es fanden insgesamt drei Projekt-Workshops mit den nationalen und internationalen Kooperationspartner:innen statt.

    Workshop 2017

    Workshop 2019

    Vortragsfolien:

    Workshop 2021

    Vortragsfolien:

  • Sample size recalculation based on the prevalence in a randomized test-treatment study. Hot A, Benda N, Bossuyt PM, Gerke O, Vach W, Zapf A. BMC Med Res Methodol. 2022 Jul 25;22(1):205. doi: 10.1186/s12874-022-01678-7. PMID: 35879675; PMCID: PMC9317230.

    Blinded sample size re-estimation in a comparative diagnostic accuracy study. Stark M, Hesse M, Brannath W, Zapf A. BMC Med Res Methodol. 2022 Apr 19;22(1):115. doi: 10.1186/s12874-022-01564-2. PMID: 35439947; PMCID: PMC9019976.

    Randomized test-treatment studies with an outlook on adaptive designs. Hot A, Bossuyt PM, Gerke O, Wahl S, Vach W, Zapf A. BMC Med Res Methodol. 2021 Jun 1;21(1):110. doi: 10.1186/s12874-021-01293-y. PMID: 34074263; PMCID: PMC8167391.

    A potential for seamless designs in diagnostic research could be identified. Vach W, Bibiza E, Gerke O, Bossuyt PM, Friede T, Zapf A. J Clin Epidemiol. 2021 Jan;129:51-59. doi: 10.1016/j.jclinepi.2020.09.019. Epub 2020 Sep 28. PMID: 32991994.

    Sample size calculation and re-estimation based on the prevalence in a single-arm confirmatory diagnostic accuracy study. Stark M, Zapf A. Stat Methods Med Res. 2020 Oct;29(10):2958-2971.

    Adaptive trial designs in diagnostic accuracy research. Zapf A, Stark M, Gerke O, Ehret C, Benda N, Bossuyt P, Deeks J, Reitsma J, Alonzo T, Friede T. Stat Med. 2020 Feb 28;39(5):591-601.

  • Weiterführende Links:

    DFG-Portal

    UKE FIS-Portal


    Weitere Publikationen aus diesem Forschungsgebiet:

    Appraising Heterogeneity. Zapf A. 2018. Diagnostic Meta-Analysis . Biondi-Zoccai G (Hrsg.). 1. Aufl. Berlin: Springer International Publishing, 125-160.

    Partial verification bias and incorporation bias affected accuracy estimates of diagnostic studies for biomarkers that were part of an existing composite gold standard. Karch A, Koch A, Zapf A, Zerr I, Karch A. J CLIN EPIDEMIOL. 2016;78:73-82.

    A wild bootstrap approach for the selection of biomarkers in early diagnostic trials. Zapf A, Brunner E, Konietschke F. BMC MED RES METHODOL. 2015;15:43.

    Nonparametric meta-analysis for diagnostic accuracy studies. Zapf A, Hoyer A, Kramer K, Kuss O. STAT MED. 2015;34(29):3831-3841.

    A modified Wald interval for the area under the ROC curve (AUC) in diagnostic case-control studies. Kottas M, Kuss O, Zapf A. BMC MED RES METHODOL. 2014;14:26.

    Difference of two dependent sensitivities and specificities: Comparison of various approaches. Wenzel D, Zapf A. BIOMETRICAL J. 2013;55(5):705-718.