AUC结果等效,而Cmax不等效,等效性结果怎么判断
发布网友
发布时间：2022-04-25 16:54
共2个回答
热心网友
时间：2023-10-20 12:27
应当说，从最初的研究设计到最后的结论的得出，统计学是等效性试验不可或缺的重要工具，但统计学结论也并一定是最终的专业结论。在此，对几个容易忽视和概念模糊的关键点进行讨论，供申报单位参考。
在大多数等效性检验中，一般采用交叉设计的方法，即每个研究对象轮流接受每一种处理方法，他们在两个时刻接受不同的处理。这是基于这样的理论：多数药物的清除率在个体间均存在很大变异，个体间的变异系数远远大于个体内变异系数。所以交叉试验通常比平行组设计达到较高的精密度，在所作的观察次数相等时，在检测产品的差异时交叉设计比平行设计更有效些。
尽管在BE研究中不常用平行设计，但是仍有平行设计优于交叉设计的情况。例如：(1)个体间的变异性比个体内的变异性小；(2)药物有较长的消除半衰期使得交叉设计中的长的清洗阶段延长了研究时间，增加了个体失访的机会；(3)增加个体数量的花费比增加一个另外的治疗阶段要小；(4)个体频繁的血液采样不易实施。
不同国家颁布的生物等效性研究指南中对受试者例数的要求有所差别，其中美国要求24-36例，欧盟>12例，日本为20-30例，我国为18-24例，目前尚缺乏国际的一致性标准。
生物等效性研究一般要求在5%显著性水平下检测出两个所比较的产物间20％或更大的差别的功效为80％。对于此标准，大多数药物的生物等效性试验样本量为18-24例可能足够，但样本含量除了与上述的规定有关外，还与比较的变异性（误差）有关。对于某些药物——如高变异性药物（一般认为个体变异大于30％的药物为高变异性药物），我们认为此时受试者例数不应仅满足法规的一般要求，还应满足统计学要求，或采取一些试验设计上的变通（如多剂量研究、重复测量设计或成组序贯研究等）。
一般建议，AUC等药代动力学参数的生物等效性评价应在对数尺度下进行。因为：（1）通常情况下，AUC和Cmax呈正偏分布且方差不齐，对其作对数变换可以改善其分布的偏性，缩小方差间的差异；（2）药代动力学参数在原来测定的标度系统中分析，实验对象的效应不是加和性的，而对数转换后的数据可以用加法模型进行处理，这一点在统计检验中具有重要的意义。
所以，进行对数变换后，使得运用方差分析和双单侧t检验分析药代参数的可靠性和效能更好。不过必须认识到，在生物等效性研究中，样本容量是有限的，即使采用对数变换，也不能从根本上对一组数据是否符合正态分布作出可靠结论。
热心网友
时间：2023-10-20 12:28
详细解释如下： 随机抽取一个样本， 对应每一潜在可能值X都对应有一个抽中的概率P。
按概率从高到矮排个降序， 对于正样本中概率最高的，排序为rank_1， 比它概率小的有M-1个正样本（M为正样本个数）， (rank_1 - M) 个负样本。
正样本概率第二高的， 排序为rank_2， 比它概率小的有M-2个正样本，(rank_2 - M + 1) 个 负样本。
以此类推
正样本中概率最小的， 排序为rank_M，比它概率小的有0个正样本，rank_M - 1 个负样本。
总共有MxN个正负样本对（N为负样本个数）。把所有比较中 正样本概率大于负样本概率 的例子都算上， 得到公式（rank_1 - M + rank_2 - M + 1 .... + rank_M - 1） / (MxN) 就是正样本概率大于负样本概率的可能性了。
