生物等效性实验用统计软件怎么统计

生物等效性（bioequivalence，BE）研究是评价药品质量的重要手段。它通过对两个药物或同一药物不同剂型的药代动力学指标(如血药浓度－时间曲线下面积AUC，峰浓度Cmax和达峰时间Tmax等)进行等效性分析，来考察含同一药物活性成分的不同产品质量是否一致，是判断后研发产品是否可作为替代药品上市的依据。
应当说，从最初的研究设计到最后的结论的得出，统计学是等效性试验不可或缺的重要工具，但统计学结论也并一定是最终的专业结论。在此，对几个容易忽视和概念模糊的关键点进行讨论，供申报单位参考。

在大多数等效性检验中，一般采用交叉设计的方法，即每个研究对象轮流接受每一种处理方法，他们在两个时刻接受不同的处理。这是基于这样的理论：多数药物的清除率在个体间均存在很大变异，个体间的变异系数远远大于个体内变异系数。所以交叉试验通常比平行组设计达到较高的精密度，在所作的观察次数相等时，在检测产品的差异时交叉设计比平行设计更有效些。
尽管在BE研究中不常用平行设计，但是仍有平行设计优于交叉设计的情况。例如：(1)个体间的变异性比个体内的变异性小；(2)药物有较长的消除半衰期使得交叉设计中的长的清洗阶段延长了研究时间，增加了个体失访的机会；(3)增加个体数量的花费比增加一个另外的治疗阶段要小；(4)个体频繁的血液采样不易实施。
不同国家颁布的生物等效性研究指南中对受试者例数的要求有所差别，其中美国要求24-36例，欧盟>12例，日本为20-30例，我国为18-24例，目前尚缺乏国际的一致性标准。
生物等效性研究一般要求在5%显著性水平下检测出两个所比较的产物间20％或更大的差别的功效为80％。对于此标准，大多数药物的生物等效性试验样本量为18-24例可能足够，但样本含量除了与上述的规定有关外，还与比较的变异性（误差）有关。对于某些药物——如高变异性药物（一般认为个体变异大于30％的药物为高变异性药物），我们认为此时受试者例数不应仅满足法规的一般要求，还应满足统计学要求，或采取一些试验设计上的变通（如多剂量研究、重复测量设计或成组序贯研究等）。
一般建议，AUC等药代动力学参数的生物等效性评价应在对数尺度下进行。因为：（1）通常情况下，AUC和Cmax呈正偏分布且方差不齐，对其作对数变换可以改善其分布的偏性，缩小方差间的差异；（2）药代动力学参数在原来测定的标度系统中分析，实验对象的效应不是加和性的，而对数转换后的数据可以用加法模型进行处理，这一点在统计检验中具有重要的意义。
所以，进行对数变换后，使得运用方差分析和双单侧t检验分析药代参数的可靠性和效能更好。不过必须认识到，在生物等效性研究中，样本容量是有限的，即使采用对数变换，也不能从根本上对一组数据是否符合正态分布作出可靠结论。两组数据有无显著差异    比较两组数据有无统计学差异    两组数据统计学差异    f2因子计算公式excel    如何用excel计算sd值    双单侧t检验    如何用excel计算ic50    excel中sd值计算公式    excel中sd计算公式    用excel计算p值    如何用excel进行t检验    如何用excel计算rsd