In clinical study reports (CSRs), adverse events (AEs) are commonly summarized using the incidence proportion (IP). IPs can be calculated for all types of AEs and are often interpreted as the probability that a treated patient experiences specific AEs. Exposure time can be taken into account with time-to-event methods. Using one minus Kaplan-Meier (1-KM) is known to overestimate the AE probability in the presence of competing events (CEs). The use of a nonparametric estimator of the cumulative incidence function (CIF) has therefore been advocated as more appropriate. In this paper, we compare different methods to estimate the probability of one selected AE. In particular, we investigate whether the proposed methods provide a reasonable estimate of the AE probability at an interim analysis (IA). The characteristics of the methods in the presence of a CE are illustrated using data from a breast cancer study and we quantify the potential bias in a simulation study. At the final analysis performed for the CSR, 1-KM systematically overestimates and in most cases IP slightly underestimates the given AE probability. CIF has the lowest bias in most simulation scenarios. All methods might lead to biased estimates at the IA except for AEs with early onset. The magnitude of the bias varies with the time-to-AE and/or CE occurrence, the selection of event-specific hazards and the amount of censoring. In general, reporting AE probabilities for prespecified fixed time points is recommended.

中文翻译：

---

临床试验中不良事件的定量评估：中期和最终分析方法的比较

在临床研究报告 (CSR) 中，通常使用发生率 (IP) 来总结不良事件 (AE)。可以针对所有类型的 AE 计算 IP，并且通常将其解释为接受治疗的患者经历特定 AE 的概率。使用时间到事件方法可以考虑暴露时间。众所周知，在存在竞争事件 (CE) 的情况下，使用 1 减去 Kaplan-Meier (1-KM) 会高估 AE 概率。因此，提倡使用累积关联函数 (CIF) 的非参数估计量更合适。在本文中，我们比较了不同的方法来估计一个选定 AE 的概率。特别是，我们调查了所提出的方法是否在中期分析 (IA) 中提供了对 AE 概率的合理估计。使用来自乳腺癌研究的数据说明了存在 CE 的方法的特征，我们量化了模拟研究中的潜在偏差。在对 CSR 进行的最终分析中，1-KM 系统地高估了，并且在大多数情况下，IP 略微低估了给定的 AE 概率。在大多数模拟场景中，CIF 具有最低的偏差。除早发性不良事件外，所有方法都可能导致 IA 的估计有偏差。偏差的大小随着到 AE 和/或 CE 发生的时间、事件特定危险的选择和审查的数量而变化。一般而言，建议报告预先指定的固定时间点的 AE 概率。1-KM 系统地高估了，并且在大多数情况下，IP 略微低估了给定的 AE 概率。在大多数模拟场景中，CIF 具有最低的偏差。除早发性不良事件外，所有方法都可能导致 IA 的估计有偏差。偏差的大小随着到 AE 和/或 CE 发生的时间、事件特定危险的选择和审查的数量而变化。一般而言，建议报告预先指定的固定时间点的 AE 概率。1-KM 系统地高估了，并且在大多数情况下，IP 略微低估了给定的 AE 概率。在大多数模拟场景中，CIF 具有最低的偏差。除早发性不良事件外，所有方法都可能导致 IA 的估计有偏差。偏差的大小随着到 AE 和/或 CE 发生的时间、事件特定危险的选择和审查的数量而变化。一般而言，建议报告预先指定的固定时间点的 AE 概率。事件特定危害的选择和审查的数量。一般而言，建议报告预先指定的固定时间点的 AE 概率。事件特定危害的选择和审查的数量。一般而言，建议报告预先指定的固定时间点的 AE 概率。