Effect_Model_law
効果モデルの法則は、治療なしの病的事象の頻度（観察）または確率（予測）の間に各個人に自然な関係が存在すると述べています（（ R c ）。
{ scriptstyle {（Rc）}}
治療を伴う同じイベントの頻度または確率（（ R t ）。
{ scriptstyle {（Rt）}}
。この関係は、単一の個人、集団内の個人、またはグループに適用されます。この法則により、（絶対）利益の予測が可能になります（ A B { scriptstyle {AB}}
）与えられた患者のための治療の。これは、新薬や個別化医療の研究開発に幅広い影響を及ぼします。この法律は、1990年代にジャンピエールボワセルによって偶然発見されました。心筋梗塞後の死亡の予防におけるクラスI抗不整脈薬の有効性を研究している間、彼はメタアナリシス理論の基本的な前提の1つと矛盾する状況に遭遇しました。「相対リスク（ R R { scriptstyle {RR}}
）は定数です」と「A B
{ scriptstyle {AB}}
定数です」。
ボワセルは、抗不整脈薬の有効性は有益な効果を組み合わせた機能であるという仮説を立てました（ a
{ scriptstyle {a}}
）に比例しますR c
{ scriptstyle {Rc}}
そして一定の悪影響（ b
{ scriptstyle {b}}
）、独立R c
{ scriptstyle {Rc}}
。このモデルの数式は、治療によって引き起こされる致命的な有害事象のリスクと、真の有益なリスクの低減を表す線の傾きという2つのパラメーターを持つ一次方程式です。この方程式は、治療の正味死亡率の減少を示します： R t = a ×× Rc + b
{ scriptstyle {Rt = a times Rc + b}}
コンテンツ
1 （Rc、Rt）平面の図
2 法の存在の証拠
3 アプリケーション：有効性と有効性のギャップを埋める
3.1 転置可能性 3.2 有効性の比較 3.3 費用対効果
4 拡張機能
4.1 研究開発意思決定支援 4.2 個別化医療
5 治療に必要な数（NNT）と予防されたイベントの数（NPE）
6 参考文献
7 外部リンク
（Rc、Rt）平面の図
1987年、L’Abbe、Detsky、およびO’Rourkeは、メタアナリシスを設計する際に、さまざまな試験のグラフ表示を含めることを推奨しました。各試行について、x軸上で、対照群で研究された基準の頻度（リスク）（（ R c ）。
{ scriptstyle {（Rc）}}
表現する必要があり、y軸には、治療群のリスクを表す必要があります（（ R t ）。
{ scriptstyle {（Rt）}}
（図1および図2）。
図1。（（ Rc R t ）。 { scriptstyle {（Rc、Rt）}}
L’Abbeらによる平面。研究された基準（治療目的）について、対角線は有害な治療領域を効率的な治療領域から分離します。
結果の散布図の形状は、処理の効果に関する情報のいくつかの重要な側面を示しています。
個人ベースで、患者の特異なリスクパラメータ（コレステロール値、収縮期血圧など）によって特徴付けられる患者の治療の絶対的な利益を測定および予測する能力。
特定の母集団（たとえば、フランス語、中国語など）で、市場で入手可能な治療法またはR＆Dプロセスの任意の段階（ターゲットの特定段階から臨床試験まで）の候補薬の健康状態を測定および予測する機能）。
図2.効果モデルフレームワークと患者中心の結果。
法則は2つの方法で表現されます。the R t
{ scriptstyle {Rt}}
関数：R t = f（（ R c X ）。
{ scriptstyle {Rt = f（Rc、X）}}
またR t = g（（ Y X ）。 { scriptstyle {Rt = g（Y、X）}}
、方程式R c
{ scriptstyle {Rc}}
暗黙的です。
絶対利益関数A B
{ scriptstyle {AB}}
：A B = R c− R t = h （（ Y X ）。 { scriptstyle {AB = Rc-Rt = h（Y、X）}}
、方程式R t
{ scriptstyle {Rt}}
と R c
{ scriptstyle {Rc}}
暗黙的です。
上記のフォームは、（（ Rc R t ）。 { scriptstyle {（Rc、Rt）}}
患者がいるので平面であり、それぞれが中立フロンティアに多かれ少なかれ近い点で表されています。絶対的な利益の表現A B
{ scriptstyle {AB}}
（つまり、中立フロンティアまでの垂直距離）には、個別の予測に直接つながるという利点があり、個別化医療を実用的な現実にします。TheX
{ scriptstyle {X}}
と Y { scriptstyle {Y}}
それぞれ、にリンクされている患者記述子ですR c
{ scriptstyle {Rc}}
と治療で ×× { scriptstyle { times}}
患者の相互作用。
まとめるとA B I { scriptstyle {AB_ {i}}}
関心のある母集団全体にわたって、モデルは、予防されたイベントの数（NPE）と呼ばれる、「実際の」患者に対する定量化された有効性メトリックを生成します。各患者は提案された治療法に異なる方法で反応するため、治療のデジタル結果、つまり効率的または非効率的であると考えるのは単純すぎます。むしろ、与えられた患者は、彼または彼女のリスクプロファイルに応じて変化する桁違いの利益を得るでしょう。この大きさは、次の量で測定されます。A B I=R t I
−R c I
{ scriptstyle {AB_ {i} = Rt_ {i} -Rc_ {i}}}
これは、すべての医師が持っている直感と、1980年にKaurerとKassirerが強調した直感を示しています。治療はほとんど利益をもたらさない可能性がさらに悪いことに、それは「中程度の病気」の患者にとって有益であるよりも有害である可能性が図2に示すように、効果モデルが曲線である場合、次のことを直感的に理解するのは簡単です。
低リスクの患者（例：R c < 0.1
{ scriptstyle {Rc <0.1}}
）リスクの高い患者ほど治療の恩恵を受けない。
高リスクの患者（例：R c
>> 0.9 { scriptstyle {Rc> 0.9}}
0.9}}””>
）治療に関係なく、臨床イベントを回避する可能性は低くなります。
法の存在の証拠
効果モデルの法則の存在の証拠は、経験的観察（前述の心筋梗塞後の抗不整脈薬の研究）、シミュレーション、および理論的実証によって裏付けられています。シミュレーションアプローチは、関心のある疾患と意図された治療の数学的モデルを組み合わせ、それを仮想患者の集団と組み合わせ、疾患モデル、次に治療モデル（疾患に作用する治療）をすべての仮想被験者に適用することからなる。結果は常にR t
{ scriptstyle {Rt}}
とR c
{ scriptstyle {Rc}}
（下の図3を参照してください）。
図3.効果モデルの法則に基づいたNovadiscoveryのテクノロジーの3つの柱を表すグラフから得られた図。この図は、シミュレーションアプローチを示しています。
効果モデルの本質的な性質の証拠は、モデル化プロセスで明示的に説明されることなく、疾患モデルと仮想集団の組み合わせから出現することです 。
アプリケーション：有効性と有効性のギャップを埋める
2011年のNatureの記事で、著者は、臨床診療で頻繁に観察される有効性と有効性のギャップを埋めるために、幅広い方法を開発して使用する必要があることを示しました。このギャップは、臨床試験からの満足のいく有効性データと、薬が市場に出た後の実際の生活で観察された実際の健康結果との違いに起因します。この文脈では、NPEは、医薬品のパイプライン全体でリソース割り当てを推進し、標準治療および費用効果研究と比較した有効性分析を実施するための意思決定支援メトリックとして機能できます。これらすべてが強力なフレームワークに統合され、価格設定と償還交渉の文脈において、規制当局と支払者に対する医薬品の商業的関連性の証明を確立します。
効果モデルは、規制当局や支払機関がその決定をサポートするために受け入れる業界標準として徐々に登場すると予想されます。2013年2月に最初のマイルストーンが達成され、医薬品の相対的評価に関する欧州医療技術評価ネットワーク（eunethta）によるガイドラインが発表されました。これには効果モデルが記載されています。
転置可能性
転置可能性の研究には2つの側面が
臨床試験の結果の方法–おそらく理想的な設定であり、選択した母集団の実際の患者の転帰に「転置」します。
次に、これらの結果が1つの母集団から別の母集団にどのように「転置」するか。
効果モデルは、実際の母集団に対する薬剤候補の影響のシミュレーションを可能にします。また、ある母集団から別の母集団への同じ薬剤の臨床試験結果の転置可能性の推進要因を調査するための強力なフレームワークも提供します。
図4.Novadiscoveryの効果モデルフレームワークを使用した転置可能性分析。
有効性の比較
支払者主導の市場が医薬品の購入から患者の転帰の購入に移行するにつれ、財政の不均衡が高まった結果、概念実証はもはや十分ではありません。製薬会社は、商業的関連性の証明、または標準治療に対する自社製品の優位性を確立する必要がそのことを念頭に置いて、エフェクトモデルは次の目的で使用されます。
薬剤候補の価値を、一般的なコンパレータと比較して、発見から臨床開発に進むにつれて継続的にベンチマークします。
従来の臨床試験で平均して優れた価値が実証されなかった場合に、候補薬が優れた有効性を示す患者のサブグループを特定して特徴づけます。
図5.Novadiscoveryの効果モデルフレームワークを使用した比較有効性分析。
費用対効果
商業的価値の証明には、価格に関する考慮事項を明示的に組み込む必要がこの場合に計算されているのは、防止されたイベントあたりのコストです。与えられた：
特定の病気を治療するために社会保障機構によって割り当てられた支出の合計額。
治療の提案された単価;
次のことを導き出すことができます。
治療できる個人の数と関連する A B I { scriptstyle {AB_ {i}}}
しきい値;
防止されたイベントあたりのコスト。
図6.Novadiscoveryの効果モデルフレームワークを使用した費用効果分析。
拡張機能
研究開発意思決定支援
効果モデルとそれに関連するNPEの概念は、開発中の製品の予測される健康結果の偏りのない情報に基づく表現に基づいてリソース割り当ての決定を行うための非常に貴重なフレームワークを提供します。早期発見から臨床開発および市場アクセスまで、このNPEメトリックに対して多数の仮説をテストできます。例は次のとおりです。
疾患モデルに含まれる最適な治療標的の特定。
セラノスティック バイオマーカーの最適なベクターの同定;
結果の統計的有意性に悪影響を与えることなく、臨床試験のサイズを縮小するための最適な患者応答者の特性評価。
個別化医療
患者の特異な危険因子値（例えば、コレステロール値、収縮期血圧など）および治療効果に関連する他の患者記述子（すなわち、X
{ scriptstyle {X}}
と Y { scriptstyle {Y}}
）、彼または彼女をで見つけることが可能です（（ Rc R t ）。 { scriptstyle {（Rc、Rt）}}
平面と関連する見積もりA B I { scriptstyle {AB_ {i}}}
競合する治療の間。この場合、効果モデルは、日常の医療行為における処方決定をサポートするための強力なフレームワークとして機能します。
治療に必要な数（NNT）と予防されたイベントの数（NPE）
治療に必要な数（NNT）は、医薬品のベンチマークによく使用されます。NNTが最も低い薬は、競合他社よりも効率的であると言われています。ただし、NNTベンチマークは、その構成に根本的な欠陥がKassaïらによって示されているように、NNTは治療および/またはフォローアップ期間によって異なります。そしてKristiansenとGyrd-Hansen。したがって、このベンチマークでリンゴ同士の比較分析を行うことは不可能です。たとえば、NNTの計算に使用されるさまざまな治療法のランダム化臨床試験全体で一定のフォローアップ期間はありません。
より根本的な弱点は、NNTが各患者のプロファイルによって変化するという事実です。また、特定のドメインでの試験間で、プロファイルマーカーである平均患者Rcに大きな違いが
効果モデルの法則と関連する予防イベント数（NPE）を使用すると、この患者プロファイルの変動を構造化されたまとまりのある方法で説明できるようになり、リンゴ間のベンチマークが可能になります。
NNTの誤謬は、クックとサケット以来、数人の著者によって非難されてきました。クックとサケットは、個別の医学的決定の特定の状況において、修正なしにベースラインリスクが異なる患者にNNTを使用すべきではないと警告しました。ただし、これらの著者が提案した修正は、治療の絶対的利益がベースラインリスクの線形関数である場合にのみ機能します。ベータ遮断薬の場合は、効果モデルが曲線である場合に示されるように常に当てはまるとは限りません。
参考文献
^ Boissel、JP; コレット、JP; Lievre、M。; Girard、P。薬の効果を評価するための効果モデル：心筋梗塞後の患者における抗不整脈薬の例。J.Cardiovasc。Pharmacol。1993、22、356–363。
^ Boissel、JP心血管イベントの予防のための個別化アスピリン療法。JAMA 1998、280、1949–1950。
^ Li、W。; Gueyffier、F。; ボワセル、JP; ジラール、P。; Boutitie、F。; Cucherat、M。[治療に対する反応者の特定と予測。モデルとその高血圧への予備的応用]。Arch Mal Coeur Vaiss 1998、91、1059–1063。
^ Boissel、JP; Cucherat、M。; ノニー、P。; Chabaud、S。; Gueyffier、F。; ライト、JM; Lièvre、M。; Leizorovicz、A。与えられた治療効果モデルの未治療と治療結果の関係に関する新しい洞察は、必ずしも線形ではありません。Journal of Clinical Epidemiology 2008、61、301–307。
^ Boissel、J.-P。; Kahoul、R。; Amsallem、E。; Gueyffier、F。; ハウ、M。; ボワセル、F.-H。個別化医療に向けて：効果モデルベースのアプローチの結果を探る。個別化医療2011、8、581〜586。
^ L’Abbe、KA; デツキー、AS; O’Rourke、K。臨床研究におけるメタアナリシス。内科の年報1987、107、224–233。
^ Pauker、SG; Kassirer、JP臨床的意思決定への閾値アプローチ。N.Engl。J.メッド 1980、302、1109〜1117。
^ マーチャント、私。; ボワセル、JP; カッサイ、B。; Bejan、T。; Massol、J。; Vidal、C。; Amsallem、E。; Naudin、F。; ガラン、P。; チェルニフフ、S。; ノニー、P。; フランスの人口の心血管死を予測するには、Gueyffier、F.SCOREをFraminghamよりも優先する必要がEur J Cardiovasc Prev Rehabil 2009、16、609–615。
^ マーチャント、私。; ノニー、P。; Cucherat、M。; Boissel、J.-P。; トーマス、SR; Bejan-Angoulvant、T。; Laugerotte、A。; Kahoul、R。; Gueyffier、F。グローバルリスクアプローチは、フランスの高血圧患者によりよく適用されるべきである：シミュレーションと観察研究の比較。PLoS ONE 2011、6、e17508。
^ Kahoul、R。; Gueyffier、F。; Amsallem、E。; ハウ、M。; マーチャント、私。ボワセル、F.-H。; ボワセル、J.-P。最適な治療の意思決定のための効果モデル法に基づく方法と従来の診療ガイドラインの比較：フランス人集団におけるスタチン治療への適用。JRSoc。インターフェイス：2014、11（100）、20140867。
^ Eichler、H.-G。; アバディ、E。; ブリッケンリッジ、A。; フラミオン、B。; グスタフソン、LL; Leufkens、H。; ローランド、M。; シュナイダー、CK; Bloechl-Daum、B。有効性と有効性のギャップを埋める：薬物反応の変動性に対処するための規制当局の見解。Nature Reviews Drug Discovery 2011、10、495–506。
^ EUnetHTA証拠のレベル。医薬品の相対的有効性評価の文脈における証拠の適用可能性; 医療技術評価のためのヨーロッパのネットワーク、2013年。
^ Boissel、JP; Kahoul、R。; マリン、D。; Boissel、FH効果モデル法：個別化医療の実施のためのアプローチ。J.パーズ Med。2013、3、177-190。
^ Kahoul R、Gueyffier F、Amsallem E、他。最適な治療の意思決定のための効果モデル法に基づく方法と従来の診療ガイドラインの比較：フランス人集団におけるスタチン治療への適用。ロイヤルソサエティインターフェイスのジャーナル。2014、11（100）：20140867。doi：10.1098 /rsif.2014.0867。
^ Kassai、B。; Gueyffier、F。; ボワセル、JP; Boutitie、F。; Cucherat、M。絶対的利益、治療に必要な数、平均余命の延長：治療効果を測定するための有効性指標はどれですか？J Clin Epidemiol 2003、56、977–982。
^ Kristiansen、IS; Gyrd-Hansen、D。治療に必要な数に基づく費用効果分析：常識かナンセンスか？Health Economics 2004、13、9–19。
^ クック、RJ; Sackett、DL治療に必要な数：治療効果の臨床的に有用な尺度。BMJ British Medical Journal 1995、310、452–454。
外部リンク
Novadiscoveryの効果モデルの紹介”