Investigation of Continuous Maximized Sequential Probability Ratio Test for Vaccine Safety Monitoring

Abstract

While vaccination is a proven and effective method to mitigate infectious disease symptoms and prevent serious risks, safety concerns such as the occurrence of adverse events cannot be ignored. Early detection of adverse events is an important factor in drug and vaccine safety monitoring. Recently, it has become possible to analyze and monitor adverse events occurring in real time through active surveillance schemes using adverse event data and medical databases. However, performing hypothesis testing every time data is collected leads to the problem of multiple testing, which makes it impossible to control type 1 errors. To solve this problem, this paper examines in detail MaxSPRT, a sequential test methodology that can continuously perform hypothesis testing while preserving type 1 error on real-time adverse events data. In particular, we compare the probability of type 1 error according to the alpha spending function through simulation. Based on this, we used real COVID-19 vaccination adverse events data from South Korea and United States to determine whether the risk of adverse events such as anaphylaxis increases after COVID-19 vaccination.;백신 접종은 감염병 증상을 완화하고 중증 위험을 예방하는 입증되고 효과적인 방법이지만, 이상반응 발생과 같은 안전성 문제도 무시할 수 없다. 이상반응을 조기에 발견하는 것은 의약품과 백신의 안전성 모니터링에서 중요한 부분이다. 최근에는 이상반응 데이터와 의료 데이터베이스를 활용한 능동적 감시 체계를 통해 실시간으로 발생하는 이상반응을 분석하고 모니터링하는 것이 가능해졌다. 그러나 데이터가 수집될 때마다 가설 검정을 수행하면 다중검정 문제가 발생하여 제 1종 오류를 제어할 수 없게 된다. 본 논문에서는 이러한 문제를 해결하기 위해 실시간으로 수집되는 이상반응 데이터에 대해 제 1종 오류를 유지하면서 연속적으로 가설 검정을 수행할 수 있는 축차 검정 방법론인 MaxSPRT를 상세히 소개하고 있다. 특히, 시뮬레이션을 통해 알파 지출 함수에 따른 제 1종 오류의 발생 확률을 비교하였다. 이를 바탕으로 한국과 미국의 실제 코로나19 백신 접종 후 이상반응 데이터를 활용해 코로나19 백신 접종 후 아나필락시스 등의 이상반응 발생 위험이 증가하는지를 확인하였다.