【周末杂谈】了解临床试验设计的好读物
出自识林
【周末杂谈】了解临床试验设计的好读物
笔记 2024-07-28 指南建议的数据质量把控,不是形式上的,而是功能上的 这周四,美国FDA发布了“真实世界数据:评估电子病历和医保数据以支持药品和生物制品的监管决策”的定稿指南。其标题长(Real-World Data: Assessing Electronic Health Records and Medical Claims Data to Support Regulatory Decision-Making for Drug and Biological Products – Guidance for Industry),内容更长,39页纸,是了解临床试验设计的好读物,尽管这似乎不像是指南的初衷。 企业做临床试验是获得让自己和监管者信服、支持标签疗效的临床证据。做试验就会产生数据。但数据能否成为证据,就不一定了。监管者如何判断数据是否可以成为证据,都有哪些具体考虑?是否有举例说明?是否系统深入?若这些是你关心的问题的话,那这篇指南就值得一读。 也许有人会说,我不是统计学家,也不是医生,怕读不懂。不用担心,指南中只含x=a/(b+c)这种极其简单的公式,凭医学常识就能顺着读下来,部分地方也许需要多读几遍。当然,要想读出特别的门道来,恐怕需要更专业的知识和经验。 传统临床试验,通常是在随机、双盲、对照的理想条件下开展的,为的是尽量客观地显示药品疗效。但上市药品所处的真实世界距理想条件相去甚远。传统临床试验时间短,用药人群小,数据量小,但质高,费用也高。药品上市后,数以万计的人天天用,数据量大,但质低,费用也低。从海量的真实世界数据中淘金,按监管者认可的方式,挖掘出新疗效和证据,是指南的初衷。 指南从临床审评的角度,对数据的收集、处理、分析和适用性判断等,给出了严格、系统和深入的解说,并处处给出了具体案例。指南对数据的把关,不仅是从形式上严格,更是从“功能”上严格,即期望企业对数据的临床代表性和内在质量、及对监管决策的意义,有好的认知。 例如,在考虑用药暴露(exposure)这个问题上,指南指出,电子病历记录的是医生的处方信息,不包含患者的用药信息,因为患者是否按处方服药是不知道的。医保数据记录的是患者报销的用药信息。有些便宜的仿制药,患者就自己直接付了,不用医保报销,或不到起付额医保本来也不报。再有,就是非处方药和食品添加剂(在中国更是如此,因为还包括各种中草药,笔者注),在电子病历和医保数据中,往往得不到好的记录。如果单凭电子病历和医保数据,又没有对上述问题有好的思考和应对,要想说服FDA将数据视为证据,恐怕不容易。 指南几乎对提出的每一项建议,除非理由是显然的,都给出了简明的例子。以前看到临床研究这个词时,常会见到controlled study(受控的研究)这个伴随词,也知道随机、对照、双盲这些词,都是刻画控制的。理性上,也知道前瞻性临床研究比回溯性研究更严谨。读了这篇指南让笔者从感性上、更系统和具体地感受到了临床研究设计中,应控制好哪些变量,为何要控制这些变量。 有意思的是,这篇指南虽然提到了数据的缺失和integrity问题,但不是通常说的数据可靠性(data integrity)问题,不涉及经济利益驱动下的人为数据改动问题。从另一方面看,这篇指南也让人感到FDA对临床数据及其应用的内在逻辑和相关性,有着如此全面、深入和具体的认知,要想在数据上做手脚,浑水摸鱼,应是不容易的。 下面列出了指南的大纲。有兴趣者,可登录识林阅读指南的花脸稿(与3年前的征求意见版的对比)以及识林AI助手给出的中文导读。 数据源 A. 数据源的相关性 B. 数据采集
C. 缺失数据 D. 验证
研究设计要素 A. 时间段的定义 B. 选择研究人群 C. 暴露的确定和验证
D. 结果的确定和验证
E. 协变量作为确定和验证
数据收集、整理和转换为最终研究数据集过程中的数据质量 A. 表征数据 作者:榆木疙瘩 识林®版权所有,未经许可不得转载 必读岗位及工作建议:
文件适用范围: 文件要点总结:
以上仅为部分要点,请阅读原文,深入理解监管要求。 |