利用中美冠科數據庫,快速查找所需模型
OncoExpress|HuBase|XenoBase|MuBase

博客

如何在小鼠臨床試驗中量化藥物有效性和效應

2020-03-27

  •  
  •  
  •  

了解如何使用線性混合模型統計框架正確量化小鼠臨床試驗中的藥物有效性和效應。

使用線性混合模型優化小鼠臨床試驗

小鼠臨床試驗(MCT)代表了腫瘤學臨床前有效性研究的一種新方法,更密切地概括了臨床環境。使用幾組PDX模型識別緩解者和無緩解者人群,以便更準確地預測將在臨床上獲益最大的對象。

我們之前已經寫過關于MCT分析的文章,以及如何加強MCT分析——從而超越模擬臨床試驗分析的基于終點的方法。這些方法并沒有利用這些聚類縱向研究產生的豐富數據。

提出了一種新的線性混合模型(LMM)方法,該方法可對MCT的生長和藥物反應數據的異質性進行建模和描述,并用于回答研究設計和分析中的基本MCT問題。

我們在本系列的最后一篇文章中探討了如何使用LMM來指導研究設計,本文回顧了如何使用LMM來正確量化MCT中的藥物有效性和效應。

量化不同適應癥和藥物的有效性

當您開始分析MCT時,常見的問題包括如何正確量化不同腫瘤適應癥之間以及不同抗癌藥物之間的有效性差異。

答案是將LMM統計框架應用于數據,然后讀取各種參數以正確識別趨勢。假設您從一個MCT數據集開始,在該數據集中已經在多種癌癥適應癥中試驗了一種藥物。

開始分析時,首先將您的腫瘤生長曲線轉換為對數標度,以顯示線性。然后,將這些數據擬合到LMM中,其中包含了各種參數,用于比較溶媒或藥物治療后不同適應癥的腫瘤生長。

然后比較參數值。例如,將溶媒下癌癥A的腫瘤生長與溶媒下癌癥B的腫瘤生長進行比較。觀察該比較的p值,將告知您是否沒有差異(意味著腫瘤生長相似),或顯示顯著的p值(意味著一種癌癥的生長速度高于另一種癌癥)。

然后可以對治療進行類似的分析——觀察每種癌癥的治療效果(p值顯示是否存在有效性),然后比較癌癥。如果每種癌癥類型的藥物治療效果之間存在任何差異,則得到的p值將突出顯示。

如果您的MCT包括不同的藥物、單藥治療或聯合治療方案,則可以進行類似的分析,從而提供不同藥物/方案對所研究癌癥類型的治療效果的確定結果。

超越常規生存分析來評價藥物效應

LMM在MCT分析中的另一個用途是通過超越常規生存分析來正確評價藥物效應。在臨床上,由于患者生存期相互獨立,因此進行Kaplan-Meier生存期分析。然而,MCT中的模型生存期并不獨立,這意味著Kaplan-Meier或Cox比例風險模型不合適。

相反,可使用加性脆弱模型(Cox比例風險模型的擴展形式)來正確評價MCT中的藥物效應。加性脆弱模型有兩個脆弱項,可量化PDX生長率和藥物反應的異質性。這意味著該分析更充分地模擬了MCT聚類人群結構中風險和藥物有效性的異質性。使用其他模型時,PDX異質性會被嚴重誤估。

得出的總生存期數據和風險比更準確,提供了優于傳統生存分析的模型。

結論

為了量化小鼠臨床試驗中的藥物有效性和效應,以及最大化小鼠臨床試驗數據,進行正確的分析以得出最知情的結論非常重要。線性混合模型方法可正確定量不同癌癥適應癥和不同藥物的藥物有效性。加性脆弱模型提供了準確的藥物有效性數據,以優化總生存期和風險比結果。

Topics: Blog, Oncology

關注微信公眾號

彩票开奖云南快乐10分