| 发布于: | 雪球 | 回复：0 | 喜欢：3 |
有些无语了啊。临床的主要终点就是mOS。然后你说mOS不是效果？肿瘤药物的金标准就是按照mOS来批的。也符合直观：吃了药能延长多久的寿命。有多少病人和医生之间的交流是“这药HR是多少多少？” HR也不能反应OS是多少啊，医生肯定是给病人说：这药能延长多久寿命。。。
pvalue就是这个效果的证据强度是多少，换句人话就是：这延长中位数寿命X个月的效果是碰巧出来的还是真实存在的。 这些非常直观的东西总会被你们说的云里雾里，还来个什么“p值是受到hr和样本量共同影响的”。。。HR怎么会影响pvalue?这是本木倒置了。严格来讲样本数也只是侧面影响pvalue，影响pvaule的是样本的std，variance。而std，variance受到了样本数量的影响。要不是我是统计学硕士，并且职业投资之前的8年工作就是分析医疗和健康数据，我都会被你们绕昏。
我昨晚回复这个帖子也只是因为有我关注的人回了这帖子把他顶到我主页了。我随意看看，然后发现楼主的毛毛估方式是错误的。我只是从统计数学上给他指出他这么毛毛估是不对的，不代表我认为这临床会失败或者成功。临床失败或者成功在揭盲之前没人知道，除非你有内幕消息。分析什么事件数也没意义，因为你怎么知道多少事件是用药组或者对照组的？除非你有内幕消息。。。
估计是不知道Pvalue是怎么算出来的。。一个os 11vs10的可以是p<0.0001, 一个os 15 vs 10的可以是p>0.1。 所以光看os的数据根本无法得出Pvalue大致是多少。
比如和黄才FDA获批的fruquintinib，其中OS差异只有微弱的1.9个月，够低了。但Pvaule<0.001证据超强。意思就是虽然效果一般，但这效果是真实存在的。 又比如Lecanemab的临床效果简直是超级超级低，但pvalue<0.001。 而一些临床OS大于3个月的但pvaule>0.05的例子实在是太多了。。。如果样本量不够大，则会出现更加极端的现象，OS大幅度提升但统计不显著。
简单来讲OS的差异可以理解为效果的大小。而Pvalue则是支持这个结论证据的强度。所以完全可以OS差异很大，比如20 vs 10翻一倍。但支持这个结论的证据pvalue不够强，所以统计分析失败。 也可以OS差异很小，比如11 vs 10，只增加一个月的中位数生存期但这个结论的证据却非常强p<0.001。 这并不是什么小小概率的事件。 这涉及到样本最后的variance水平。 所以你拿OS来毛毛估是有问题的。如果能拿到confidence interval置信区间这才可以一眼毛毛估出来。
中期分析有一个预设值，如未达标，但如果有向好的趋势。那最终分析也是有可能成功的，这种例子挺多。 但有一点不利的是中期分析是双刃剑，好的地方是可以更早的宣布临床成功，坏的地方就是中期分析会增加最终分析需要的证据强度。 也就是有可能会出现一个临床如果没有中期分析就能刚好通过，但设置了中期分析就刚好不通过。。。
另外中期分析的难度远大于最终分析，因为随访时间少啊，中期分析能通过也侧面说明了药效足够强，随访这么短也可以做出显著差异。
哎越来越离谱了。。。。我就回复最后一贴。。。我们通常说OS就是指mOS。m=median中位数。mOS=生存中位数。。那为什么我们通常讨论都说OS呢？因为OS比mOS可以少打一个字母，方便啊。。。。 你这段才是真的让人笑掉大牙了。。。。
另外关于样本数我的原话是“严格来讲样本数也只是侧面影响pvalue，影响pvaule的是样本的std，variance。而std，variance受到了样本数量的影响”。。哎。。
我只是给你指出你的统计毛毛估是有问题的。因为OS的差异和Pvalue是2个概念。可以OS 20 vs 10翻一倍，但Pvalue=0.1没过。 也可以有OS 11 vs 10，只多1个月但P可以小到0.00001。