-------------------------------------基本介紹---------------------------------
首先先對臨床試驗做基本的介紹：
1. 所有臨床試驗"基本上"都需要在http://clinicaltrials.gov/上登記
因此，我們可以在這個網站上查到PI-88或是其他你有興趣的藥物，目前有多少研究正在執行中，或是已經完成了
2. 新藥開發在人體進行共有三個階段
第一階段： 安全性測試
基本上完全沒有參考價值，因為沒有對照組&樣本數極小。
簡單來說通過這個階段的藥物只要吃下去不會死人就好。
第二階段：劑量測試
決定幾個可能的使用劑量，並進行小規模的研究。（如PI-88測試了160/250 mg/day）
由於樣本數較小且組別較多的原因，要通過這個階段基本上不需要顯著的統計檢定值，但
需要更加確保沒有安全性的問題，以及至少有一種劑量相較於對照組有較佳的預後。
在第三階段臨床試驗結束前，若想了解可能的結果，只有這個階段的研究是最具參考價值的。
但是，除非少數有『非常明顯』療效的藥物之外，使用這階段的研究結果來預測第三階段臨床試驗的結果大部分和丟銅板沒什麼不同。
第三階段：最終階段
最終結果就是一翻兩瞪眼，沒啥好討論的。
但根據研究設計&期中分析的結果，我們仍然能較準確的『猜測』最後成功的機率。
------------------------------------本文開始---------------------------------
從paper上(第二階段)&http://clinicaltrials.gov/上登記的第三階段試驗，我們有幾個重要的訊息：
(PI-88之第三階段試驗登記網址：http://ppt.cc/tKab )
(PI-88第二期試驗結果文章網址：http://ppt.cc/hgdy )
1. 第二階段之主要的結果：Recurrence-free at study completion (48 weeks)
對照組 29/58 (50%)
160mg/day 35/56 (63%)
250mg/day 22/54 (41%)
根據這個結果，我們可以看出它的療效其實並不是很明顯。
一般來說，藥物劑量越高效果應該越好。（當然好到一定的程度就不會再好了，但反轉較為少見）
2. 第三階段臨床試驗之樣本數設定為519。
考慮到第二階段的試驗結果，我們設定下列參數計算樣本數：
顯著水準(p value)： 0.04148 (基亞設定的期末分析的顯著水準)
統計檢力(Power)： 0.8 (通常用的數字)
實驗/對照的比例： 1:1 (這種情形下要的樣本最小)
對照組的預期復發率： 0.5 (根據第二階段臨床試驗的數字)
實驗組的預期復發率： 0.37 (根據第二階段臨床試驗的數字)
上面這些專業的統計術語在最下面解惑。
算到的樣本數是520，跟519相當接近，因此我們預期他們內部的參數十之八九與上面相同。
至於計算方法，建議各位直接上http://ppt.cc/uowl做計算。
輸入下列參數：
Two-sided confidence level(%) = (1 - p value)*100 = 95.852
Power (1-beta or % chance of detecting ) = 80 (上面的0.8)
Ratio of Unexposed to Exposed in sample = 1 (上面的1:1)
Percent of Unexposed with Outcome = 50 (上面的0.5)
Percent of Exposed with Outcome = 37 (上面的0.37)
-----------------------------------數據分析-----------------------------------
在進行數據分析之前，你要先賭他真的有效還是沒效。（真的有沒有效只有上帝知道）
假設你賭沒效，那你還買它幹麻？
假設你賭有效，繼續往下看。
註1：你要賭有效還沒效，最有參考價值的就是第二階段臨床試驗的那篇Paper。
註2：從上面的證據來說，我對這機率並不樂觀，因為最高劑量的那組反而預後較差。
假設你已經賭有效了，接著在樣本數固定的情形下，Power是你最關心的東西：
Power的意思就是，若藥物真的有效，那試驗結果顯著的機率。
簡單的來說，若所有參數都設定正確，那期末分析顯著的機率是80%。
假設期中分析的時候約追蹤了一半的時間，那把發生率都砍半好了（50->25；37->18.5），加上顯著水準是0.01806，可得期中分析之Power大約是26%。
註3：所以我不知道期中分析之前對這結果在樂觀什麼，提前結束的機率只有26%。
另外，上面這些機率的計算根據的是"正確的參數預估"，若這些參數是"樂觀預估"，那機率就會比80%&26%更低。
但是根據我的經驗，樂觀預估上面這些參數太常見了。舉例來說，只要將"療效"從13%保守點設為10%，所需要的病患就要520變成880，對公司來說就是要花1.7倍的錢。
所以，我預估就算真的有療效，那期末分析會顯著的機率也不到80%。
另外，從這裡大概也可以看出公司願不願意花錢。（不過臨床試驗都很貴，他願意花也不見得有錢可以花）
----------------------------------給End的人---------------------------------
基亞還能不能翻盤，基本上取決於兩個機率（事實上對於謹慎的投資人而言，期中分析前就應該計算了）
1. 你賭他是不是真的有療效，並假設他真的有療效的期望機率是A
2. 計算它的Power（不會算就先設80%），假設這個數字是B
期末試驗的成功機率=A*B+0.04148*(1-A)
(你心中的A&B是多少就自己設定吧)
至於期中分析的結果能不能拿來做期末分析的預測？基本上是不行的，因為揭露的資訊太少了。
所以，所有的臨床試驗基本上都是場賭博，只是機率高低的不同而已。
-------------------------------給只想看一行結論的人---------------------------
"在一切都很樂觀的條件之下"，
期中分析過關率本來就只有26%，不過早在可以預期之內。
--
首先先對臨床試驗做基本的介紹：
1. 所有臨床試驗"基本上"都需要在http://clinicaltrials.gov/上登記
因此，我們可以在這個網站上查到PI-88或是其他你有興趣的藥物，目前有多少研究正在執行中，或是已經完成了
2. 新藥開發在人體進行共有三個階段
第一階段： 安全性測試
基本上完全沒有參考價值，因為沒有對照組&樣本數極小。
簡單來說通過這個階段的藥物只要吃下去不會死人就好。
第二階段：劑量測試
決定幾個可能的使用劑量，並進行小規模的研究。（如PI-88測試了160/250 mg/day）
由於樣本數較小且組別較多的原因，要通過這個階段基本上不需要顯著的統計檢定值，但
需要更加確保沒有安全性的問題，以及至少有一種劑量相較於對照組有較佳的預後。
在第三階段臨床試驗結束前，若想了解可能的結果，只有這個階段的研究是最具參考價值的。
但是，除非少數有『非常明顯』療效的藥物之外，使用這階段的研究結果來預測第三階段臨床試驗的結果大部分和丟銅板沒什麼不同。
第三階段：最終階段
最終結果就是一翻兩瞪眼，沒啥好討論的。
但根據研究設計&期中分析的結果，我們仍然能較準確的『猜測』最後成功的機率。
------------------------------------本文開始---------------------------------
從paper上(第二階段)&http://clinicaltrials.gov/上登記的第三階段試驗，我們有幾個重要的訊息：
(PI-88之第三階段試驗登記網址：http://ppt.cc/tKab )
(PI-88第二期試驗結果文章網址：http://ppt.cc/hgdy )
1. 第二階段之主要的結果：Recurrence-free at study completion (48 weeks)
對照組 29/58 (50%)
160mg/day 35/56 (63%)
250mg/day 22/54 (41%)
根據這個結果，我們可以看出它的療效其實並不是很明顯。
一般來說，藥物劑量越高效果應該越好。（當然好到一定的程度就不會再好了，但反轉較為少見）
2. 第三階段臨床試驗之樣本數設定為519。
考慮到第二階段的試驗結果，我們設定下列參數計算樣本數：
顯著水準(p value)： 0.04148 (基亞設定的期末分析的顯著水準)
統計檢力(Power)： 0.8 (通常用的數字)
實驗/對照的比例： 1:1 (這種情形下要的樣本最小)
對照組的預期復發率： 0.5 (根據第二階段臨床試驗的數字)
實驗組的預期復發率： 0.37 (根據第二階段臨床試驗的數字)
上面這些專業的統計術語在最下面解惑。
算到的樣本數是520，跟519相當接近，因此我們預期他們內部的參數十之八九與上面相同。
至於計算方法，建議各位直接上http://ppt.cc/uowl做計算。
輸入下列參數：
Two-sided confidence level(%) = (1 - p value)*100 = 95.852
Power (1-beta or % chance of detecting ) = 80 (上面的0.8)
Ratio of Unexposed to Exposed in sample = 1 (上面的1:1)
Percent of Unexposed with Outcome = 50 (上面的0.5)
Percent of Exposed with Outcome = 37 (上面的0.37)
-----------------------------------數據分析-----------------------------------
在進行數據分析之前，你要先賭他真的有效還是沒效。（真的有沒有效只有上帝知道）
假設你賭沒效，那你還買它幹麻？
假設你賭有效，繼續往下看。
註1：你要賭有效還沒效，最有參考價值的就是第二階段臨床試驗的那篇Paper。
註2：從上面的證據來說，我對這機率並不樂觀，因為最高劑量的那組反而預後較差。
假設你已經賭有效了，接著在樣本數固定的情形下，Power是你最關心的東西：
Power的意思就是，若藥物真的有效，那試驗結果顯著的機率。
簡單的來說，若所有參數都設定正確，那期末分析顯著的機率是80%。
假設期中分析的時候約追蹤了一半的時間，那把發生率都砍半好了（50->25；37->18.5），加上顯著水準是0.01806，可得期中分析之Power大約是26%。
註3：所以我不知道期中分析之前對這結果在樂觀什麼，提前結束的機率只有26%。
另外，上面這些機率的計算根據的是"正確的參數預估"，若這些參數是"樂觀預估"，那機率就會比80%&26%更低。
但是根據我的經驗，樂觀預估上面這些參數太常見了。舉例來說，只要將"療效"從13%保守點設為10%，所需要的病患就要520變成880，對公司來說就是要花1.7倍的錢。
所以，我預估就算真的有療效，那期末分析會顯著的機率也不到80%。
另外，從這裡大概也可以看出公司願不願意花錢。（不過臨床試驗都很貴，他願意花也不見得有錢可以花）
----------------------------------給End的人---------------------------------
基亞還能不能翻盤，基本上取決於兩個機率（事實上對於謹慎的投資人而言，期中分析前就應該計算了）
1. 你賭他是不是真的有療效，並假設他真的有療效的期望機率是A
2. 計算它的Power（不會算就先設80%），假設這個數字是B
期末試驗的成功機率=A*B+0.04148*(1-A)
(你心中的A&B是多少就自己設定吧)
至於期中分析的結果能不能拿來做期末分析的預測？基本上是不行的，因為揭露的資訊太少了。
所以，所有的臨床試驗基本上都是場賭博，只是機率高低的不同而已。
-------------------------------給只想看一行結論的人---------------------------
"在一切都很樂觀的條件之下"，
期中分析過關率本來就只有26%，不過早在可以預期之內。
--
All Comments