Для коррекции на переключение используется один из трех методов:

1️⃣ Взвешивание по обратной вероятности цензурирования (inverse probability of censoring weighting, IPCW)
🔹 подходит для коррекции на переключения любого типа в любом рукаве,
🔹 принцип реализации: переключившиеся пациенты цензурируются на момент переключения → с помощью модели для вероятности переключения в зависимости от исходных и варьирующихся во времени конфаундеров (показателей, одновременно влияющих на переключение и OS) рассчитываются индивидуальные веса → которые затем используются для оценки эффекта воздействия с коррекцией на неслучайное цензурирование,
🔹 требует сбора данных по исходным и варьирующимся во времени конфаундерам,
🔹 предполагает отсутствие ненаблюдаемых конфаундеров,
🔹 плохо работает на небольших выборках и/или большой доле переключившихся.

2️⃣ Моделирование эффекта воздействия после переключения с помощью двухстадийного оценивания (two-stage estimation, TSE)
🔹 подходит для коррекции на переключения любого типа в любом рукаве,
🔹 используется, если переключение привязано к какому-то событию, связанному с заболеванием (например, прогрессированию) -- это событие используется как "второй бейзлайн",
🔹 принцип реализации: с помощью модели ускоренного отклика (accelerated failure time, AFT) для зависимости OS после "второго бейзлайна" от факта переключения с коррекцией на конфаундеры, измеренные на момент "второго бейзлайна", рассчитывается коэффициент → который затем используется для коррекции OS переключившихся (расчета потенциального исхода при отсутствии переключения),
🔹 требует сбора данных по конфаундерам на момент события, после которого происходит переключение,
🔹 предполагает отсутствие ненаблюдаемых конфаундеров на момент "второго бейзлайна",
🔹 предполагает отсутствие конфаундинга для зависимости времени переключения и "вторым бейзлайном" (переключение может происходить не сразу после события),
🔹 плохо работает на небольших выборках и/или большой доле переключившихся.

3️⃣ Моделирование эффекта воздействия с помощью структурной модели (rank-preserving structural failure time model, RPSFTM)
🔹 подходит исключительно для коррекции на переключение между рукавами рандомизации,
🔹 принцип реализации: для каждого пациента время наблюдения в анализе OS разбивается на время на терапии интереса (Ton) и время на терапии контрольной группы (Toff) → потенциальный исход при отсутствии терапии интереса предполагается равным Toff + Ton / TR, где TR -- эффект воздействия в отношении времени до события (по аналогии с AFT) → благодаря рандомизации, предполагаем, что при отсутствии терапии интереса, в среднем потенциальные исходы будут равны для обоих рукавов → для оценки TR используется g-оценивание по данным переключившихся пациентов: путем перебора возможных значений TR находится такое, которое даст одинаковые средние значения потенциальных исходов для рукавов рандомизации,
🔹 предполагает, что эффект воздействия для рандомизированных в экспериментальную группу и эффект воздействия после переключения из контрольной в экспериментальную группу одинаков,
🔹 не требует наличия данных по конфаундерам и допущения об отсутствии ненаблюдаемых конфаундеров,
🔹 менее чувствителен к размеру выборке и доле переключившихся по сравнению с предыдущими двумя методами.

❗️Метод необходимо выбрать заранее, на этапе планирования КЭИ, а учитывая возможные отличия в первичной конечной точке и/или определении стратегии вмешательства в эстиманде по сравнению с РКИ и возможную необходимость коррекции на переключения не только между рукавами рандомизации, то и вовсе на этапе планирования РКИ (чтобы при его проведении собрать необходимые данные/ включить эстиманд для целей ОТЗ в план статистического анализа).

‼️ И все это актуально, если РКИ будет достаточно для принятия решений в области доступа на рынок. Если же необходимо будет проводить непрямые сравнения с компараторами, с которыми не было прямых сравнений в РКИ, при отсутствии доступа к оригинальным индивидуальным данным пациентов по ним, то методов коррекции на переключение нет -- по крайней мере, пока.