健康体重調査

分析計画 11.1 統計的考慮事項 記述分析 カテゴリ変数の頻度と連続変数の平均、中央値、および範囲を使用して、データの要約を定期的に作成します。 データの品質を評価し、グラフィック手法を使用して分布の仮定を検証します。 ランダム化によって達成されたグループ間のバランスを評価するために、適切なテストを使用して 4 つのアームにわたるすべての変数のベースライン値を比較します。

一般的な手順 すべての一次分析は、割り当てられた戦略の順守に関係なく、無作為化されたグループの各参加者を含む治療目的ベースで行われます。 減量研究に特有の欠損データの割合が高いことを考えると、欠損データの処理は重要な問題です。 一次分析では、ランダム化層 (性別、雇用主、初期 BMI)、研究群、およびその他のベースライン変数を代入モデルの予測変数として使用して、欠落している 18 か月時点の対面体重結果に対して多重代入を使用します。 ベースライン変数には、年齢、人種、収入、教育、婚姻状況、世帯人数、身体活動、食行動指数、変化の段階、SF-36 一般健康状態、ベースライン体重が含まれます。 感度分析は、ベースライン後のデータ、および中退前の最近の体重減少傾向も使用する代入モデルを使用して実行されます。また、フォローアップの体重減少データが利用できない参加者は体重が減少したと仮定した分析も行われます。ベースライン（プレフェーズ開始時の体重）に戻ります。 各アーム内では、この最後の仮定は保守的である可能性がありますが、異なるアームでのドロップアウト率とドロップアウトの実際のフォローアップの重みによっては、アーム間の比較では当てはまらない可能性があります。 したがって、重要な二次解析では、治療群間のドロップアウトの差の影響が考慮されます。 この分析では、必要に応じてパターン混合モデルなど、欠損データ補完において MNAR の潜在的なパターンに対処する方法を考慮することができます。 最後に、完全な症例データにおける介入群の違いを調べる、プロトコルごとのタイプ分析も検討します。

有効性分析 特に指定がない限り、すべての仮説は両側の 0.05 レベル検定を使用して検定されます (特に、特定の目的 1 ～ 4 の 5 つの主要な仮説にはホルム検定アプローチが使用されます)。 一次分析は、各介入群と対照群の間で、ベースラインから 18 か月までの体重変化の差を t 検定を使用して非調整の治療意図分析とし、対面体重で測定します。複数の比較テストにホルム p 値補正を適用して、各単一介入と比較します。 ブラインド化されたデータで体重変化が非正規分布しているように見える場合は、適切な値を見つけます。 欠落データは上記のように処理されます。

調整された分析との比較のために、ベースラインと 18 か月の間の体重変化が 95% 信頼区間 (CI) で推定されます。 層別変数 (性別、雇用主、初期 BMI) および年齢、人種、収入、学歴などの他の参加者の特性要因を調整した回帰モデルを推定します。 変化を使用して、他のベースライン変数（ベースラインの体重、婚姻状況、世帯人数、身体活動、つまり MVPA+ウォーキング/週の合計分数、食行動指数、変化の段階、SF-36 一般的な健康状態）の交絡の証拠を評価します。推定基準 (10%) に含まれます。 必要に応じて、時間を多項式関数として組み込むか、訪問固有の指標変数を使用して、繰り返しの体重測定の探索的モデルをフィッティングして、観察されたパターンを適切に記述する最も節約的なモデルを決定します。 モデルは、対面体重データと自宅体重データに分けて構築されます。 在宅体重データは対照群では利用できないため、在宅体重データを使用するモデルは、3 つの介入群を比較する潜在的な探索的分析としてのみ考慮されます。 私たちは、ベースラインの個人変動と経時的な体重変化の変動を考慮した変量効果モデルを調査します。例は次のとおりです。 E(weightij) = ß0 +ß1Timej + ß2Groupi+ ß3Xi + b0i + b1i Timej、ここで、i は被験者を示し、j は評価時間を示します。パラメータは固定効果リンク時間、治療グループ ベクトル、および治療グループのベクトルです。他の人口統計学的または臨床的共変量 Xi は結果に影響を与え、b0i と b1i はランダム切片と傾き効果です。 変量効果の有意性のテストでは、入れ子になったモデルの尤度比テストを使用します。最大化された対数尤度および赤池情報量基準 (AIC) を使用して、異なる変量効果構造を持つモデルを比較します。 標準的な診断手法を適用してモデルの適切性を評価します。 時間による治療の交互作用を使用して、体重の変化率が介入群によって異なるかどうかを評価します。 我々は、インセンティブは低所得者の間でより効果的である可能性があると仮説を立て、治療グループとの収入の交互作用条件を使用してこれを評価します。 人種や教育による影響の違い、内発的動機付けのベースラインレベルと変化の段階を調査します。 また、家庭の食事や活動環境など、他の潜在的な仲介者も考慮します。 欠損データに対する治療効果の推定値の感度を評価するために、有益な欠損データを考慮して、または考慮せずに、階層効果モデルまたは混合効果モデルを適合する場合があります。

具体的目標 5 については、以下に提案するモデルのような費用対効果の高い分析に適した手法を検討します。 私たちは、雇用主と社会の両方の観点から各介入群のコストを評価し、達成された漸進的な減量によって測定される有効性と比較して、各介入群のコストの差を比較します。 介入群と対照群間の主な増分費用対効果比は雇用主の観点からのものであり、介入中のベースラインから 18 か月までの単位体重変化当たりのコストを比較します。 二次分析では、1) この同じ比率を評価しますが、介入後 6 か月のデータ (24 か月の訪問) または介入後 12 か月のデータ (12 か月の訪問) を使用し、2) 限られた社会的観点を使用してこれら 2 つの比率を評価することもできます。 コスト モデルは、ログ リンクとガンマ ファミリを備えた一般化線形モデルを使用します。 欠損データ戦略は、上で説明したものと同様です。 損失 kg あたりのコストと許容曲線のパラメトリック 95% CI を計算することにより、コストと効果を比較するためのサンプリングの不確実性を評価します。 標準誤差と、コストと効果の差の相関関係は、ブートストラップ手順を使用して導出されます。

11.2 検出力とサンプルサイズの考慮事項 18 か月間の体重減少の違いを検出するのに十分な検出力を備えた研究を設計しました。 私たちの介入は、インセンティブの支払いが終了するフェーズ II の終わり（18 か月目）に、初期の体重減少を維持する上で最大の効果を発揮するはずです。 実験全体のタイプ I 誤差を維持し、有効性に関する誤った結論を防ぐために、具体的な目的 1 ～ 4 の 5 つの主要な比較をテストするためにホルム多重比較調整を使用します。 介入が仮説どおりに効果的である場合、提案されたサンプルサイズは、対照と比較して 3 つの介入群のそれぞれについて有意性を示す検出力が 90% を超え、併用介入群の有意性を示す検出力が 80% 以上を維持します。 2 つの介入だけでも。

当初は 328 人の参加者を募集する予定でしたが、Wi-Fi 接続の問題により、少数の参加者がランダム化後に Withings スケールを正常にセットアップできなかったことに注意することが重要です。 したがって、Withings 体重計を Way To Health プラットフォームに接続できなかった人の数だけ目標サンプル サイズを増やし (追加被験者 16 人)、募集総数は 344 人になりました。 最終的な統計分析は、発生した可能性のある不均衡を考慮して層別要因に合わせて調整されます。 当社は以前にこの情報を IRB およびデータ安全監視委員会 (DSMB) のメンバーに伝え、このアプローチを承認しました。 以下の情報は、独自の検出力計算とサンプル サイズの考慮事項の概要を示しています。

当社は、フェーズ I の開始に必要な参加者の約 3 分の 1 を、参加する各雇用主 (IBC、SEPTA、およびフィラデルフィア市) から募集する予定です。 潜在的に適格な従業員が多数いることを考慮すると、必要に応じて、採用目標を達成するためにこれらの雇用主からの参加者の割合を簡単に増やすことができます。 参加者は、介入群の 1:1 の比率を使用して、3 つの介入グループと対照グループにランダムに割り当てられます。 18 か月の評価前の潜在的な減少を考慮して、当初の目標サンプル サイズ 328 の 20% のマージンを組み込み、フェーズ II の終了時点で分析に利用できる参加者は 260 名 (アームごとに 65 名) と予想されました。 このサンプルサイズにより、ベースラインと各単一介入群と対照群間の 5 kg の 18 か月間の体重変化の差異を検出するための 90% を超える検出力が得られます (特定の目的 1 ～ 3 の主要結果) )、結合グループとインセンティブまたは環境戦略グループのいずれかの間の 3 kg の差を検出する検出力は 87% (具体的な目標 4)。 つまり、0 ～ 18 か月間の予想される体重変化の 5 つの主要比較について、結合群、介入群、対照群でそれぞれ -8 kg、-5 kg、および 0 kg の検出力が 85% を超えることになります (a単回介入群と対照群間の純差は 5kg、複合介入群と対照群間の純差は 8kg、単回介入群と複合群間の純差は 3kg）、体重減少の標準偏差（S.D.）を 5kg と仮定します。 また、約 80% を維持しながら、単独介入群と対照群の間の体重変化の 4.6 kg と、併用群と対照群の間の 7.3 kg の体重変化の差 (特定の目的 1 ～ 3 の主要結果) を検出する検出力が 80% を超えることになります。複合介入と各単独介入の間で 2.7 kg の差のパワー (具体的な目標 4)。 副次的成果 (具体的な目的 5) については、達成された漸進的な減量によって測定される有効性と比較して、各群のコストの違いを比較したいと考えています。 C.3.d.ii.c に記載されているように、体重減少の推定群間差と介入の増分コストに基づいて、体重減少 kg あたりのコストの点推定値を計算します。 18 か月時点の体重減少の場合、予想増分コストが 810 ドル (インセンティブ)、増分減量が 5 kg であるとすると、328 人の参加者は、430 ドルの体重減少あたりのコストを検出する検出力が 80%、コストを検出する検出力が 90% 以上を提供しました。 1 kg あたりの損失は 575 ドルです。 この研究は主に、これらの介入の有効性をテストするものです。 リソースの制約のため、また介入の有効性についてはまだわかっていないため、費用対効果の分析に基づいてこの研究を強化しませんでした。 kg あたりの推定検出可能コストは、サンプル サイズによる広い信頼区間の関数です。

11.3 効果の測定: この分析の目的は、対照群と比較した介入群の相対的な体重減少を評価することです。 主な費用対効果分析では、増分体重減少の測定は、ベースラインと 18 か月間の訪問の間の体重の差に基づいて行われます。二次分析では、ベースラインと 24 か月間の体重の差とベースラインと 12 か月間の体重の差に基づきます。