Experimentella studiedesigner

Sammanfattning

I en experimentell studie bestämmer forskaren vilken intervention deltagarna får. Den randomiserade kontrollerade studien (RCT) är den grundläggande experimentella designen för att jämföra behandlingar, eftersom en korrekt slumpmässig fördelning gör att grupperna vid start endast skiljer sig åt genom slumpen [1]. Skyddet mot systematiska fel förutsätter en oförutsägbar randomiseringssekvens, allokeringsdöljning så att ingen kan förutse eller påverka nästa tilldelning, och blindning av deltagare, behandlare och utfallsbedömare i den utsträckning det är möjligt [1,2,3]. Det primära effektmåttet och analysplanen ska vara fastställda i förväg, analysen bör i första hand följa intention-to-treat-principen, och den exakta frågeställningen kan preciseras som en estimand enligt ICH E9(R1) [4,5]. Varianter som överkorsningsstudier, faktoriella, klusterrandomiserade, stegvis införda, adaptiva och registerbaserade studier löser specifika praktiska problem men ställer egna krav på dimensionering och analys. Non-inferiority-studier prövar om en ny behandling inte är oacceptabelt sämre än en etablerad och kräver en i förväg motiverad marginal [6]. Studiens trovärdighet bedöms domänvis, exempelvis med RoB 2, och resultatet måste tillämpas med hänsyn till extern validitet och den enskilda patientens situation [7,8].

Definition och grundprinciper

En experimentell studie skiljer sig från en observationsstudie genom att forskaren, inte patienten, läkaren eller omständigheterna, bestämmer vilken intervention deltagaren får. I en randomiserad kontrollerad studie bestäms tilldelningen av en slumpprocess, och grupperna behandlas och följs upp samtidigt. Allt annat än korrekt randomisering öppnar för selektions- och störfaktorbias [1]. Rapporteringen styrs av CONSORT, vars senaste version, CONSORT 2025, består av en checklista med 30 punkter och ett flödesschema över deltagarna genom studien, och som har fått ett nytt avsnitt om öppen vetenskap [9].

Frågeställning och estimand

Frågeställningen formuleras traditionellt enligt PICO: population, intervention, jämförelse och utfall. Enligt tillägget ICH E9(R1) bör den preciseras som en estimand, som utöver population, behandling och effektmått även anger sammanfattningsmått och hur interkurrenta händelser ska hanteras, till exempel behandlingsavbrott, räddningsbehandling eller död [5]. Estimanden beskrivs närmare under Analys.

Superioritet, non-inferiority och ekvivalens

Förklarande och pragmatiska studier

Studier kan placeras på ett kontinuum från förklarande (explanatory), som prövar om en intervention kan fungera under idealiserade förhållanden, till pragmatiska, som prövar om den fungerar i rutinsjukvård. Verktyget PRECIS-2 hjälper forskargruppen att placera studien på detta kontinuum i nio domäner: urvalskriterier, rekrytering, vårdmiljö, organisation, flexibilitet i genomförandet, flexibilitet i följsamhet, uppföljning, primärt effektmått och primär analys. Varje domän skattas från 1 (mycket förklarande) till 5 (mycket pragmatisk) [11].

Översikt av experimentella designer

Randomisering

Generering av randomiseringssekvensen

Randomisering innebär att tilldelningen bestäms av en slumpprocess. Systematiska metoder som växelvis tilldelning eller fördelning efter födelsedatum eller journalnummer är inte randomisering och bör inte användas [1].

Skillnader i baslinjevariabler mellan grupperna ska redovisas deskriptivt. Signifikanstester av sådana skillnader är överflödiga i en korrekt randomiserad studie och kan vara skadliga om de leder till att obalanser inte redovisas [2].

Allokeringsdöljning

Allokeringsdöljning (allocation concealment) innebär att den som rekryterar en deltagare inte kan känna till eller förutse nästa tilldelning. Utan döljning kan även en korrekt genererad sekvens undermineras, eftersom kliniker och andra som genomför studien kan frestas att dechiffrera tilldelningen och styra vilka patienter som hamnar i vilken grupp [2]. Döljning ska inte förväxlas med blindning: döljningen skyddar tilldelningen fram till randomiseringsögonblicket och kan alltid genomföras, medan blindning avser tiden efter tilldelningen och inte alltid är möjlig [3,4].

Säkra metoder är central randomisering via webb eller telefon och läkemedel som förpackats av apotek i identiska, löpnumrerade behållare. Löpnumrerade, ogenomskinliga och förseglade kuvert är mer sårbara för manipulation [2,4].

Bristande döljning är empiriskt förknippad med överskattad behandlingseffekt. I en analys av 250 kontrollerade studier var oddskvoterna i genomsnitt överdrivna med 41 % i studier med otillräcklig och med 30 % i studier med oklar döljning [13]. I senare metaepidemiologiska analyser var överskattningen tydlig för subjektivt bedömda effektmått, medan det fanns lite belägg för bias vid objektiva utfall och mortalitet [14,15].

Blindning

Blindning innebär att en eller flera parter hålls ovetande om vilken intervention deltagaren har fått, så att kunskapen inte påverkar beteende, behandling eller bedömning. Blindning minskar framför allt differentierad bedömning av utfall (informationsbias), men kan också förbättra följsamhet och kvarvaro och minska skillnader i tilläggsbehandling mellan grupperna (ko-intervention) [3].

Begreppen enkel-, dubbel- och trippelblind är otydliga. I en enkät till 91 internmedicinare angavs 10, 17 respektive 15 olika tolkningar av enkel-, dubbel- och trippelblindning, och läroböcker gav 5, 9 respektive 7 olika definitioner [16]. Studierapporter bör därför uttryckligen ange vilka grupper som var blindade och hur blindningen genomfördes [3,9].

När deltagare och behandlare inte kan blindas, till exempel vid kirurgi eller jämförelse av vårdstrategier, bör åtminstone utfallsbedömningen blindas. Vid objektiva utfall som död är utrymmet för bedömningsbias litet [3]. Avsaknad av eller oklar dubbelblindning var i en sammanställning av 1 973 studier förknippad med i genomsnitt 13 % överskattning av behandlingseffekten, men överskattningen drevs främst av studier med subjektiva effektmått [15].

PROBE-designen (prospective randomized open blinded end-point) introducerades som ett alternativ till den klassiska dubbelblinda studien. Behandlingen ges öppet, men utfallen bedöms av en blindad endpointkommitté. Designen är billigare och mer lik rutinsjukvård, vilket kan underlätta tillämpningen av resultaten [17]. Eftersom behandlingen är känd kan den ändå påverka ko-intervention och vilka händelser som rapporteras till kommittén [3].

Effektmått

Det primära effektmåttet ska vara fastställt i protokollet innan studien startar, och stickprovsstorleken beräknas för detta mått. Sekundära effektmått är kompletterande, och ändringar av effektmått efter studiestart ska redovisas och motiveras [4,9].

Sammansatta effektmått

Sammansatta effektmått, till exempel kardiovaskulär död, hjärtinfarkt och sjukhusvård, är vanliga i kardiovaskulära studier men blir svårtolkade när komponenterna skiljer sig i betydelse för patienten och i effektstorlek. I en systematisk översikt av 114 kardiovaskulära studier visade 54 % av de 84 sammansatta effektmått där komponentdata fanns stora eller måttliga gradienter i både betydelse och effektstorlek mellan komponenterna. Den relativa riskreduktionen var 8 % för död men 33 % för komponenter av mindre betydelse för patienten, och de mindre viktiga komponenterna hade ofta högre händelsefrekvens [18]. Komponenterna bör därför alltid redovisas var för sig.

Konventionell analys av tid till första händelse betonar varje patients första händelse, som ofta är den kliniskt minst allvarliga. Vinstkvoten (win ratio) jämför i stället patienter parvis i en hierarki: först avgörs vem som först fick den viktigaste händelsen, till exempel kardiovaskulär död, och först om det inte går att avgöra jämförs nästa komponent, till exempel sjukhusvård för hjärtsvikt. Vinstkvoten är antalet vinnare delat med antalet förlorare i den nya behandlingsgruppen [19].

Surrogatmått

Surrogatmått, till exempel blodtryck, lipidnivåer eller arytmibörda, möjliggör mindre och kortare studier men kan vilseleda om behandlingen påverkar surrogatet och det kliniska utfallet på olika sätt [20]. Ett klassiskt exempel är Cardiac Arrhythmia Suppression Trial (CAST). Patienter efter hjärtinfarkt vars ventrikulära extraslag kunde undertryckas med enkainid eller flekainid randomiserades till fortsatt aktivt läkemedel eller placebo. Behandlingen ökade dödligheten: 43 dödsfall i arytmi i läkemedelsgruppen mot 16 i placebogruppen [21].

Stickprovsstorlek och statistisk styrka

Stickprovsstorleken beräknas innan studien startar utifrån accepterad risk för typ I-fel (oftast tvåsidigt α 0,05), önskad statistisk styrka (oftast 80 eller 90 %), förväntad händelsefrekvens eller variation i kontrollgruppen och den minsta kliniskt betydelsefulla effekt som studien ska kunna påvisa [4]. Valet av effektstorlek bygger på subjektiva kliniska bedömningar som påverkar beräkningen kraftigt, och detaljerna ska redovisas i publikationen [22]. En studie med lägre styrka än önskat kan ändå vara värdefull om den är metodologiskt rigorös, korrekt rapporterad och publicerad, så att resultatet kan ingå i senare sammanställningar [22].

Analys

Intention-to-treat och per protokoll

Enligt intention-to-treat-principen (ITT) analyseras alla randomiserade deltagare i den grupp de lottades till, oavsett om de fick, avbröt eller bytte behandling. Därmed bevaras de jämförbara grupper som randomiseringen skapade [4]. Principen tillämpas ofta ofullständigt. Bland randomiserade studier publicerade 1997 i fyra ledande tidskrifter nämnde 119 (48 %) ITT; 12 av dessa uteslöt ändå deltagare som inte påbörjat behandlingen, och 89 (75 %) hade saknade data för det primära effektmåttet, som oftast hanterades otillräckligt [23].

En per protokoll-analys begränsas till deltagare som följt protokollet. Eftersom följsamhet är en händelse efter randomiseringen och ofta hänger samman med prognos, bryter en naiv per protokoll-analys jämförbarheten mellan grupperna. Om effekten vid full följsamhet är av intresse krävs metoder som justerar för de faktorer som påverkar följsamheten [24].

I superioritetsstudier används ITT för den primära analysen. I non-inferiority-studier tenderar en dåligt genomförd studie att visa att behandlingarna är lika, vilket där blir en positiv slutsats; därför bör både ITT- och per protokoll-analyser redovisas [6,10].

Estimander och interkurrenta händelser

Begreppen ITT och per protokoll räcker ofta inte för att beskriva exakt vilken behandlingseffekt som skattas. Estimandramverket i ICH E9(R1) beskriver effekten med fem attribut: population, behandlingsvillkor, effektmått, sammanfattningsmått och strategi för varje typ av interkurrent händelse. Interkurrenta händelser är händelser efter randomiseringen som påverkar tolkningen av eller förekomsten av utfallsdata [5].

Strategin väljs per typ av händelse och utifrån studiens syfte, och estimanden styr i sin tur design, datainsamling och analys. En studie som vill skatta effekten i rutinsjukvård bör till exempel undvika interkurrenta händelser som inte skulle förekomma i praktiken [5].

Behandlingsföljsamhet

Följsamheten påverkar både vilken effekt som skattas och studiens styrka. Den kan mätas med frågeformulär, tabletträkning eller elektroniska burklock som registrerar varje öppning (medication event monitoring system, MEMS) [25]. Det vanligaste måttet är andelen dagar med korrekt intagen dos, och gränsen för att räknas som följsam sätts oftast, men godtyckligt, vid 80 % (spännvidd 67 till 95 %). Ingen gräns har validerats, och definitionen av korrekt intag varierar mellan studier; idealt bör gränsen fastställas för det enskilda läkemedlet utifrån dess farmakokinetik och farmakodynamik [25].

Subgrupper och multiplicitet

Ju fler effektmått, subgrupper och analyser som prövas, desto större är risken för falskt positiva fynd. Subgruppsanalyser bör vara förspecificerade, antalet genomförda analyser bör redovisas, och skillnader i effekt mellan subgrupper bör bedömas med interaktionstest snarare än med separata p-värden inom varje subgrupp [26]. Analyser som inte planerats i förväg ska tolkas med försiktighet och redovisas som sådana [26].

Non-inferiority- och ekvivalensstudier

En non-inferiority-studie prövar om en ny behandling inte är oacceptabelt sämre än en etablerad aktiv behandling. Designen är rimlig när den nya behandlingen har andra fördelar, till exempel lägre kostnad, enklare dosering eller förvaring eller bättre säkerhetsprofil, som kan motivera att en begränsad effektförlust accepteras [6].

Marginalen

Den centrala parametern är non-inferiority-marginalen Δ, den största effektförlust som anses kliniskt acceptabel. I amerikansk regulatorisk terminologi betecknar M1 hela den aktiva kontrollens effekt jämfört med placebo, skattad ur historiska placebokontrollerade studier, och M2 den största kliniskt acceptabla förlusten av den effekten [6]. Marginalen ska motiveras och fastställas innan studien startar [10]. Enligt EMA får marginalen inte vidgas för att en vetenskapligt härledd marginal ger en ohanterligt stor studie [6].

Slutsatsen vilar på två antaganden som inte kan prövas inom studien: att den aktiva kontrollen har ungefär samma effekt som i de historiska studierna (konstansantagandet), och att studien har förmåga att skilja en effektiv behandling från en ineffektiv (assay sensitivity) [6,27]. En non-inferiority-studie saknar den inre kontroll som en positiv superioritetsstudie har. EMA har därför föreslagit att en placeboarm inkluderas när det är etiskt möjligt [6].

Tolkning av konfidensintervallet

Tabellen gäller skillnaden mellan ny behandling och kontroll för ett ogynnsamt utfall, där Δ är marginalen [10].

Non-inferiority-studier blir ofta stora. Om kontrollbehandlingen ger 50 % gynnsamt utfall och 45 % är den lägsta acceptabla nivån krävs ungefär 2 100 deltagare per grupp om behandlingarna antas vara lika effektiva, medan antagandet att den nya behandlingen är något bättre minskar antalet avsevärt [6].

Överkorsningsstudier

I en överkorsningsstudie (crossover) randomiseras varje deltagare inte till en enda behandling utan till en sekvens av behandlingar som ges under på varandra följande perioder. Varje deltagare fungerar därmed som sin egen kontroll, vilket eliminerar variationen mellan individer och gör designen betydligt effektivare än en parallellgruppsstudie när svaret på de jämförda behandlingarna är starkt positivt korrelerat: färre deltagare krävs för samma statistiska styrka vid given effektstorlek och felrisk [28,29]. Den vanligaste formen är AB/BA-designen med två behandlingar och två perioder, där en sekvens (AB) inleds med behandling A och den andra (BA) med behandling B [28].

Designen lämpar sig för symtomlindrande behandling av kroniska eller stabila tillstånd, exempelvis multipel skleros eller reumatoid artrit, förutsatt att behandlingseffekten är reversibel och kortvarig. Den är olämplig när tillståndet kan botas, när det förändras oberoende av behandling eller när deltagaren kan avlida under studietiden [28,29].

Analysen ska baseras på parvisa data och ta hänsyn till att upprepade mätningar hos samma individ är korrelerade, till exempel med parat t-test för kontinuerliga utfall och Mainland-Gart-test för binära utfall [28]. I AB/BA-designen kan överhängseffekt och interaktion mellan behandling och period inte särskiljas statistiskt. Den tidigare rekommenderade strategin att testa för överhängseffekt och vid signifikans förkasta period 2 och analysera enbart period 1 ger snedvridna resultat och avråds; designen förutsätter i stället att överhängseffekten är försumbar, vilket ska motiveras med en adekvat utsköljningsperiod [28,29]. I en genomgång av 116 publicerade överkorsningsstudier rapporterade endast 17 % allokeringsdöljning och 7 % hur sekvensen genererats [29].

Faktoriella studier

I en faktoriell studie randomiseras deltagarna för fler än en faktor samtidigt, där varje faktor omfattar en intervention och dess jämförelse. I den fullständiga 2×2-designen finns två faktorer med två nivåer var, vilket ger fyra behandlingsgrupper: A ensamt, B ensamt, A och B tillsammans samt dubbel placebo [30].

Designen används för två principiellt skilda syften, som i praktiken är svåra att förena i samma studie [30]:

• Effektiv utvärdering av flera interventioner ("två studier till priset av en"). Varje faktor analyseras "vid marginalerna": alla som fått aktiv A jämförs med alla som fått kontroll A, och på motsvarande sätt för faktor B. Detta ger effektivitetsvinsten men vilar på antagandet att interventionerna inte interagerar.
• Att påvisa interaktion mellan interventionerna. Här är själva samspelet det primära utfallet. Att upptäcka en interaktion kräver väsentligt större stickprov än att jämföra nivåerna inom en faktor, varför en studie som dimensionerats för effektivitet är underdimensionerad för att påvisa interaktion, och tvärtom.

En interaktion föreligger när effekten av den ena interventionen beror på om deltagaren också får den andra. Risken kan begränsas genom att välja interventioner som verkar via skilda mekanismer eller ges vid skilda tidpunkter, men den kan sällan uteslutas helt på förhand. Bedömning av interaktion är därför en central del även i effektivitetssyftande faktoriella studier [30]. Den marginella analysen kompletteras lämpligen med en flerarmsanalys (inuti tabellen), som jämför de enskilda behandlingsgrupperna och inte kräver antagandet om utebliven interaktion men är mindre statistiskt effektiv; den används som känslighetsanalys. Deltagare som av behörighetsskäl eller tidigt avslut inte randomiserats för en viss faktor ska inte ingå i analysen av den faktorn, eftersom jämförelsen då inte längre är randomiserad [30].

Klusterrandomiserade studier och stegvis införande

Klusterrandomiserade studier

I en klusterrandomiserad studie randomiseras hela grupper (kluster), till exempel vårdcentraler, avdelningar, skolor eller geografiska områden, i stället för enskilda individer [31]. Designen väljs framför allt när interventionen naturligen levereras på gruppnivå och när individuell randomisering skulle medföra kontaminationsbias, det vill säga att deltagare i kontrollgruppen påverkas av interventionen via kontakt med interventionsgruppen. Klusterrandomisering minskar men eliminerar inte den risken [31].

Observationer inom samma kluster är mer lika varandra än observationer från olika kluster, ett beroende som kvantifieras med intraklasskorrelationskoefficienten (ICC, ρ). ICC är andelen av den totala variansen som förklaras av variationen mellan kluster och antar värden mellan 0 och 1; i praktiken ligger de flesta ICC mellan 0,00 och 0,20 [31]. Beroendet minskar den effektiva stickprovsstorleken, och en analys som felaktigt antar oberoende (naiv analys) ger för snäva konfidensintervall och för låga p-värden, det vill säga falskt positiva fynd [31].

Stickprovsstorleken beräknas därför genom att multiplicera storleken för en individrandomiserad studie med designeffekten (DE):

DE = 1 + ρ(m-1)

där m är klusterstorleken. Är ρ = 0 blir DE = 1 och klusterbildningen saknar betydelse; med växande ICC och klusterstorlek ökar det antal individer som krävs [31]. Analysen ska matcha designen och kan göras på klusternivå, med ett sammanfattande mått per kluster, eller på individnivå med metoder som tar hänsyn till klusterstrukturen, exempelvis blandade modeller med slumpeffekter eller generaliserade estimeringsekvationer (GEE). Analys på klusternivå rekommenderas när antalet kluster är litet, enligt en rekommendation färre än 15 till 20 kluster per arm [31]. Rapporteringen följer CONSORT-tillägget för klusterrandomiserade studier och ska ange skälet till klusterdesign, randomiseringsenhet, antal kluster och deras storlek, den skattade ICC samt bortfall på både kluster- och individnivå [31,32].

Stegvis införande

Den stegvis införda klusterrandomiserade studien (stepped wedge, SW-CRT) är en klustervariant där alla kluster börjar i kontrolltillståndet och därefter, i en slumpmässigt bestämd ordning, korsar över till interventionen vid på förhand fastställda tidpunkter (steg), tills samtliga fått interventionen [32]. Varje kluster bidrar med data från varje mätperiod och fungerar som sin egen kontroll över tid. Möjliga skäl för designen är att interventionen ändå ska införas i alla kluster, att klustren är för få för en parallell design eller att klustren bara vill delta om de får interventionen. Att resurserna inte räcker för ett samtidigt införande är däremot inte i sig ett tillräckligt skäl [32]. De flesta sådana studier omfattar färre än 20 kluster [32].

Designen medför särskilda metodproblem som ska beaktas i både dimensionering och analys [32]:

• Tid som störfaktor. Eftersom observationer i kontrolltillstånd i genomsnitt insamlas tidigare i kalendertid än observationer i interventionstillstånd, är tiden associerad med både behandling och utfall. Analys och stickprovsberäkning måste justera för sekulära trender.
• Komplex korrelationsstruktur. Upprepade mätningar inom kluster, ibland på samma individer, ger beroenden som kan variera över tid och kräver longitudinella modeller.
• Kontamination inom kluster. Vid lång exponeringstid kan deltagare hinna exponeras för både kontroll- och interventionstillstånd; fördröjd utfallsmätning bör då undvikas.
• Fördröjda och tidsvarierande effekter. När effekten inte är omedelbar eller inte ger en bestående förändring kan en övergångsperiod byggas in i designen, och en analys av hur effekten ändras över tid bör övervägas.

En SW-CRT är mer komplex i design, analys och genomförande än en parallell klusterstudie och exponerar ofta fler kluster för interventionen; valet av stegvis införande bör därför motiveras, och studien ska registreras och etikprövas som forskning [32].

Adaptiva studier och interimsanalyser

Adaptiva studiedesigner

En adaptiv studiedesign tillåter på förhand specificerade ändringar av en pågående studie utifrån analyser av ackumulerande data, utan att studiens validitet och integritet undergrävs [33]. Det avgörande är att adaptionerna är planerade i protokollet före start; de skiljer sig därmed principiellt från oplanerade ändringar under studiens gång. Adaptioner kan tillämpas i alla faser, från tidig dosökning till konfirmerande studier, och flera kan kombineras i samma studie [33].

Fördelarna är främst effektivitet och etik: färre deltagare exponeras för underlägsna behandlingar, utsiktslösa studier kan avslutas, en underdimensionerad studie kan undvikas och en säker och effektiv dos kan identifieras snabbare [33]. Priset är ökad komplexitet. Två egenskaper måste värnas: integritet, det vill säga att informationsläckage vid interimsanalyserna minimeras, och validitet, det vill säga att skattningar, p-värden och konfidensintervall förblir korrekta. Naiva skattningar efter en adaption kan vara systematiskt felaktiga och kräva statistisk justering. Om en studie till exempel kan stoppas tidigt för utsiktslöshet elimineras slumpmässigt låga resultat men inte slumpmässigt höga, och den slutliga effektskattningen blir då för hög [33]. Interimsdata granskas därför av en oberoende datasäkerhetskommitté (till exempel en DSMB eller IDMC) som lämnar rekommendationer till en styrgrupp som hålls blindad för armvisa resultat; alla adaptionsregler ska vara fastställda i protokoll och kommittéernas stadgar före start [33].

Interimsanalyser och stoppgränser

Interimsanalyser i konfirmerande studier görs för att bedöma effekt, utsiktslöshet, säkerhet eller stickprovsstorlek [34]. Vid upprepad testning ökar risken för typ I-fel, och ett enstaka gränsvärde på p < 0,05 kan inte användas vid varje avstämning; teststatistikan är dessutom instabil tidigt i studien [34]. Det samlade typ I-felet kontrolleras med gruppsekventiella metoder och alfaförbrukande funktioner (alpha spending), som fördelar felrisken över studiens gång [34]:

En utsiktslöshetsanalys bedömer om studien sannolikt når sitt mål om den fullföljs, ofta via betingad styrka (conditional power) med en tröskel på typiskt 0,1 till 0,2. Att pröva för utsiktslöshet inflaterar inte typ I-felet men minskar styrkan, och icke-bindande stoppregler är att föredra framför bindande [34]. Omprövning av stickprovsstorlek kan ske blindat, för att revidera störparametrar som variansen, vilket i regel har begränsad effekt på typ I-felet, eller oblindat utifrån den observerade effekten, vilket kräver förplanerade metoder för att inte inflatera typ I-felet [34]. Rekommendationerna lämnas av en oberoende datasäkerhetskommitté, som väger interimsresultaten mot studiens helhet och inte i isolering [34].

Registerbaserade randomiserade studier

I en registerbaserad randomiserad studie används befintliga kvalitetsregister för att identifiera och randomisera deltagare och för att samla in utfall, så att studien blir en integrerad del av det kliniska arbetet [35]. Sverige har kvalitetsregister med nästan fullständig täckning som kan länkas till andra offentliga register via personnumret [35].

Modellen prövades i TASTE, där 7 244 patienter med ST-höjningsinfarkt som genomgick primär PCI rekryterades via Svenska koronarangiografi- och angioplastikregistret (SCAAR) och randomiserades öppet till trombaspiration före PCI eller enbart PCI. Utfallen hämtades ur nationella register och inga patienter förlorades till uppföljning. Dödligheten efter 30 dagar var 2,8 % mot 3,0 % (hazardkvot 0,94; 95 % KI 0,72 till 1,22) [36]. Studien beskrevs i en samtidig kommentar som en möjlig disruptiv teknologi inom klinisk forskning [37]. Uppsala Clinical Research Center har på uppdrag av Kliniska Studier Sverige och Vetenskapsrådet tagit fram nationella riktlinjer för registerbaserade randomiserade studier [35].

Dosfinnande studier

Tidiga dosfinnande studier

Fas I-studier utgör den första prövningen på människa och syftar till att fastställa rekommenderad dos och administreringsschema för fortsatt prövning. De är typiskt små, enarmade, öppna och sekventiella, det vill säga experimentella men inte randomiserade [38]. Den vägledande principen är att undvika att exponera för många deltagare för subterapeutiska doser samtidigt som säkerheten bevaras och rekryteringen hålls snabb [38]. Centrala begrepp är dosbegränsande toxicitet (DLT), som definieras i protokollet före start och graderas med standardiserade kriterier (till exempel CTCAE), och den målnivå för toxicitet som accepteras, vanligen 20 till 33 % [38].

Dosökningsmetoderna delas i regelbaserade och modellbaserade [38]. Den regelbaserade 3+3-designen är alltjämt vanligast: kohorter om tre patienter behandlas vid stigande, på förhand bestämda dosnivåer. Uppträder ingen DLT bland de tre trappas dosen upp; uppträder en DLT utökas kohorten med ytterligare tre, och dosökningen avbryts när minst två av tre till sex deltagare får DLT. Rekommenderad fas II-dos sätts konventionellt till dosnivån närmast under denna [38]. Designen är enkel men exponerar många patienter för subterapeutiska doser och utnyttjar bara data från aktuell dosnivå. Modellbaserade metoder, såsom continual reassessment method (CRM) och eskalering med överdoskontroll, modellerar sambandet mellan dos och toxicitet, använder data från alla patienter och ger en skattning av rekommenderad dos med konfidensintervall, men kräver biostatistiskt stöd i realtid [38]. För molekylärt riktade läkemedel kan optimal biologisk dos, baserad på till exempel målinhibition eller plasmakoncentration, användas som alternativt effektmått [38].

Dos-responsstudier i fas II

Otillräckligt dosval är en av de främsta orsakerna till misslyckade sena utvecklingsfaser, och dosvalet inför konfirmerande prövning bör betraktas som ett skattningsproblem snarare än en hypotesprövning [39]. Fas II-dos-responsstudier genomförs vanligen som parallellgruppsstudier där deltagarna randomiseras till flera dosnivåer och placebo eller aktiv jämförelse. Traditionell parvis jämförelse mellan doser och kontroll bygger på minimala antaganden men har begränsad statistisk styrka och utnyttjar data ineffektivt [39]. Målet bör vara att karakterisera hela sambandet mellan dos, exponering och respons. MCP-Mod (multiple comparison procedure and modelling) prövar först om det finns en dosrelaterad signal mot en uppsättning på förhand angivna kandidatkurvor och skattar därefter dos-responskurvan genom modellval eller modellmedelvärdesbildning [39]. Metoderna utesluter inte varandra utan bör användas tillsammans för ett vetenskapligt underbyggt dosval [39].

Bedömning av risk för systematiska fel

Att en studie är randomiserad garanterar inte att resultatet är tillförlitligt. Verktyget RoB 2 bedömer risken för bias för ett specifikt resultat i fem domäner, och den sammanvägda bedömningen blir låg risk, vissa farhågor eller hög risk [7].

Förhandsregistrering och öppen tillgång till protokoll och statistisk analysplan, som efterfrågas i CONSORT 2025, gör det möjligt att skilja primära resultat från sekundära analyser och efterhandsanalyser [9].

Extern validitet och klinisk tillämpning

Intern validitet anger om resultatet är korrekt för de studerade deltagarna, medan extern validitet anger om det rimligen kan tillämpas på en definierbar patientgrupp i rutinsjukvård. Extern validitet försummas ofta i både design och rapportering, och bedömningen lämnas då till klinikern [8]. Den påverkas bland annat av studiens vårdmiljö, urvalet av patienter och exkluderingskriterier, de randomiserade patienternas egenskaper, skillnader mellan studieprotokollet och rutinsjukvården, val av effektmått och uppföljningstid samt hur biverkningar har registrerats [8].

Studiens resultat beskriver den genomsnittliga effekten i den studerade populationen och anger inte med säkerhet hur en enskild patient kommer att svara. Resultat från randomiserade studier är därför ett beslutsunderlag som vägs samman med patientens hälsotillstånd, den kliniska situationen och patientens värderingar och preferenser. Vid tillämpningen bör följande frågor ställas:

• Liknar patienten dem som ingick i studien, och i vilken vårdmiljö gjordes studien?
• Var effektmåttet kliniskt relevant, eller var det ett surrogatmått eller ett sammansatt mått som domineras av mindre viktiga komponenter?
• Hur stor är den absoluta nyttan jämfört med den absoluta risken för skada?
• Finns adekvata randomiserade studier bakom eventuella metaanalyser eller riktlinjerekommendationer?
• Hur påverkar patientens preferenser valet mellan behandlingsalternativen?

Etiska förutsättningar

Randomisering är etiskt försvarbar när det råder klinisk jämvikt (clinical equipoise), det vill säga genuin osäkerhet eller oenighet inom den kliniska expertgemenskapen om vilken behandling som är bäst. Kravet gäller alltså inte att den enskilda prövaren saknar egen preferens [40].

Enligt Helsingforsdeklarationen, senast reviderad 2024, krävs informerat samtycke. Placebo får användas endast när beprövad intervention saknas, eller när tvingande vetenskapliga skäl föreligger och deltagarna inte utsätts för ytterligare risk för allvarlig eller irreversibel skada. Varje studie ska registreras i en offentligt tillgänglig databas innan den första deltagaren inkluderas, och även negativa och ofullständiga resultat ska göras offentliga [41]. Under studiens gång följs säkerhetsdata av en oberoende datasäkerhetskommitté, som kan rekommendera tidigt avslut för nytta, skada eller utsiktslöshet [33,34].

Källor

1. Schulz KF, Grimes DA. Generation of allocation sequences in randomised trials: chance, not choice. Lancet 2002. PMID: 11853818
2. Schulz KF, Grimes DA. Allocation concealment in randomised trials: defending against deciphering. Lancet 2002. PMID: 11867132
3. Schulz KF, Grimes DA. Blinding in randomised trials: hiding who got what. Lancet 2002. PMID: 11879884
4. Moher D, Hopewell S, Schulz KF, m.fl. CONSORT 2010 explanation and elaboration: updated guidelines for reporting parallel group randomised trials. BMJ 2010. PMID: 20332511
5. Kahan BC, Hindley J, Edwards M, m.fl. The estimands framework: a primer on the ICH E9(R1) addendum. BMJ 2024. PMID: 38262663
6. Schumi J, Wittes JT. Through the looking glass: understanding non-inferiority. Trials 2011. PMID: 21539749
7. Sterne JAC, Savović J, Page MJ, m.fl. RoB 2: a revised tool for assessing risk of bias in randomised trials. BMJ 2019. PMID: 31462531
8. Rothwell PM. External validity of randomised controlled trials: "to whom do the results of this trial apply?". Lancet 2005. PMID: 15639683
9. Hopewell S, Chan AW, Collins GS, m.fl. CONSORT 2025 statement: updated guideline for reporting randomised trials. BMJ 2025. PMID: 40228833
10. Piaggio G, Elbourne DR, Pocock SJ, m.fl. Reporting of noninferiority and equivalence randomized trials: extension of the CONSORT 2010 statement. JAMA 2012. PMID: 23268518
11. Loudon K, Treweek S, Sullivan F, m.fl. The PRECIS-2 tool: designing trials that are fit for purpose. BMJ 2015. PMID: 25956159
12. Altman DG, Bland JM. Treatment allocation by minimisation. BMJ 2005. PMID: 15817555
13. Schulz KF, Chalmers I, Hayes RJ, m.fl. Empirical evidence of bias. Dimensions of methodological quality associated with estimates of treatment effects in controlled trials. JAMA 1995. PMID: 7823387
14. Wood L, Egger M, Gluud LL, m.fl. Empirical evidence of bias in treatment effect estimates in controlled trials with different interventions and outcomes: meta-epidemiological study. BMJ 2008. PMID: 18316340
15. Savović J, Jones HE, Altman DG, m.fl. Influence of reported study design characteristics on intervention effect estimates from randomized, controlled trials. Ann Intern Med 2012. PMID: 22945832
16. Devereaux PJ, Manns BJ, Ghali WA, m.fl. Physician interpretations and textbook definitions of blinding terminology in randomized controlled trials. JAMA 2001. PMID: 11308438
17. Hansson L, Hedner T, Dahlöf B. Prospective randomized open blinded end-point (PROBE) study. A novel design for intervention trials. Blood Press 1992. PMID: 1366259
18. Ferreira-González I, Busse JW, Heels-Ansdell D, m.fl. Problems with use of composite end points in cardiovascular trials: systematic review of randomised controlled trials. BMJ 2007. PMID: 17403713
19. Pocock SJ, Ariti CA, Collier TJ, m.fl. The win ratio: a new approach to the analysis of composite endpoints in clinical trials based on clinical priorities. Eur Heart J 2012. PMID: 21900289
20. Fleming TR, DeMets DL. Surrogate end points in clinical trials: are we being misled? Ann Intern Med 1996. PMID: 8815760
21. Echt DS, Liebson PR, Mitchell LB, m.fl. Mortality and morbidity in patients receiving encainide, flecainide, or placebo. The Cardiac Arrhythmia Suppression Trial. N Engl J Med 1991. PMID: 1900101
22. Schulz KF, Grimes DA. Sample size calculations in randomised trials: mandatory and mystical. Lancet 2005. PMID: 15823387
23. Hollis S, Campbell F. What is meant by intention to treat analysis? Survey of published randomised controlled trials. BMJ 1999. PMID: 10480822
24. Hernán MA, Robins JM. Per-protocol analyses of pragmatic trials. N Engl J Med 2017. PMID: 28976864
25. Hartman L, Lems WF, Boers M. Outcome measures for adherence data from a medication event monitoring system: a literature review. J Clin Pharm Ther 2019. PMID: 30171815
26. Wang R, Lagakos SW, Ware JH, m.fl. Statistics in medicine. Reporting of subgroup analyses in clinical trials. N Engl J Med 2007. PMID: 18032770
27. Mauri L, D'Agostino RB Sr. Challenges in the design and interpretation of noninferiority trials. N Engl J Med 2017. PMID: 28976859
28. Dwan K, Li T, Altman DG, m.fl. CONSORT 2010 statement: extension to randomised crossover trials. BMJ 2019. PMID: 31366597
29. Mills EJ, Chan AW, Wu P, m.fl. Design, analysis, and presentation of crossover trials. Trials 2009. PMID: 19405975
30. Kahan BC, Juszczak E, Beller E, m.fl. Guidance for protocol content and reporting of factorial randomised trials: explanation and elaboration of the CONSORT 2010 and SPIRIT 2013 extensions. BMJ 2025. PMID: 39904527
31. Dreyhaupt J, Mayer B, Keis O, m.fl. Cluster-randomized studies in educational research: principles and methodological aspects. GMS J Med Educ 2017. PMID: 28584874
32. Hemming K, Taljaard M, McKenzie JE, m.fl. Reporting of stepped wedge cluster randomised trials: extension of the CONSORT 2010 statement with explanation and elaboration. BMJ 2018. PMID: 30413417
33. Pallmann P, Bedding AW, Choodari-Oskooei B, m.fl. Adaptive designs in clinical trials: why use them, and how to run and report them. BMC Med 2018. PMID: 29490655
34. Ciolino JD, Kaizer AM, Bonner LB. Guidance on interim analysis methods in clinical trials. J Clin Transl Sci 2023. PMID: 37313374
35. Nyberg K, Hedman P. Swedish guidelines for registry-based randomized clinical trials. Ups J Med Sci 2019. PMID: 30724666
36. Fröbert O, Lagerqvist B, Olivecrona GK, m.fl. Thrombus aspiration during ST-segment elevation myocardial infarction. N Engl J Med 2013. PMID: 23991656
37. Lauer MS, D'Agostino RB Sr. The randomized registry trial: the next disruptive technology in clinical research? N Engl J Med 2013. PMID: 23991657
38. Le Tourneau C, Lee JJ, Siu LL. Dose escalation methods in phase I cancer clinical trials. J Natl Cancer Inst 2009. PMID: 19436029
39. Musuamba FT, Manolis E, Holford N, m.fl. Advanced methods for dose and regimen finding during drug development: summary of the EMA/EFPIA Workshop on Dose Finding. CPT Pharmacometrics Syst Pharmacol 2017. PMID: 28722322
40. Freedman B. Equipoise and the ethics of clinical research. N Engl J Med 1987. PMID: 3600702
41. World Medical Association. World Medical Association Declaration of Helsinki: ethical principles for medical research involving human participants. JAMA 2025. PMID: 39425955