【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。 |