一种新型I期临床试验的模型辅助设计方法——贝叶斯最优区间(BOIN)设计

目的: 介绍一种新颖的I期临床试验模型辅助设计方法——贝叶斯最优区间设计(BOIN Design, Bayesian optimal interval design),包括其实施流程、实际应用等,并评价其表现。方法: 在贝叶斯理论框架下,BOIN设计以最小化错误决策概率为目的,推导需增减剂量时的容忍毒性边界值,并通过比较实际毒性率与该边界值决定剂量转变。以真实案例详解其实施流程。通过与现有设计方法的对比评价BOIN的表现。结果: BOIN设计具有最优化、安全、稳健、简单实用等性质。模拟实验表明,BOIN设计能够更精准地识别最大耐受剂量(maximum tolerated dose, MTD)。结论: BOIN设计具有与基于模型设计相仿的统计学表现,同时更加简练、易于实施且更易于满足特定的安全需求。BOIN设计在国外已经广泛应用于不同类型的癌症研究,是值得推广的I期临床试验剂量探索的新方法。     

高变异药物平均生物等效性试验中两种重复交叉设计的样本量估计

目的: 探讨高变异药物生物等效性试验中监管部门推荐的两种重复交叉设计的样本量估计。方法: 在统计模型框架下推导两种重复交叉设计的方差，结合监管部门推荐的参比制剂校正方法，通过检验效能与样本量的关系得到样本量估计。同时编写了SAS程序以方便实际研究中的应用。结果: 两种重复交叉设计推导出的方差相等，结合EMA和FDA参比制剂校正方法估计样本量，EMA对高变异药物生物等效性研究需要的样本量在相同参数配置下比FDA指南需要的样本量大。CV等于30%时，EMA的样本量是连续变化的，而FDA的样本量是不连续的。当CV大于50%时，因为EMA采用了固定的等效性界值，所以样本量开始增加，而FDA则因为等效性界值继续放宽，因而样本量则变化不大。结论: 本文基于两种重复交叉设计，采用最佳线性无偏估计的方法推导的方差，结合监管部门要求的参比制剂校正方法算出的样本量估计具有严谨的数理统计基础，希望能给研究者进行高变异药物生物等效性研究时的样本量估计提供帮助。