一、基本概念 生物等效性（bioequivalency , BE ）是指在同样试验条件下试验制剂和对照标准制剂在药物的吸收程度和速度的统计学差异。生物等效性用于评价两个药物对某疾病患者的效应(安全性和有效性)是否相同或相近。例如仿制药与标准药,天然药与化学药，口服药与针剂，长效药与短效药，某药低剂量与高剂量的比较需要用生物等效性方法来评价。FDA 规定, 若仿制药品与注册药品间具有生物等效性,申报过程可按缩略申报程序( abbreviated new drug application, ANDA)进行，而不需要按新药申报程序( new drug application, NDA)进行,避免了耗时、昂贵的Ⅰ、Ⅲ期临床试验。所以，生物等效性检验在新药临床试验中占有极其重要的地位。
二、主要参数在药动学参数中，表征吸收程度和速度的参数主要是AUC、Tmax和Cmax。因此，用药动学方法评价制剂间是否具有生物等效性，就是以统计学方法评价试验制剂与参比制剂测得的AUC、Tmax和Cmax等指标是否满足预先设定的等效标准。预先设定的等效标准如何，也就成为影响BE评价的关键因素之一。
三、试验设计类型 1.两制剂、单词给药、交叉试验设计；2.两制剂、单词给药、平行试验设计；3.重复试验设计。对于一般药物，推荐选用第一种试验设计纳入健康男性志愿者参与研究。
四、统计分析要求
（一） 对数转换评价BE的药代动力学参数AUC和Cmax在等效性检验前须作对数转换。
（二） 等效判断标准第一步：对主要药代动力学参数检验普遍采用对数转换后以多因素方差分析进行假设检验，检验两种药物是否有差异，检验方式为是或否，在p<0.05时认为两者差异有统计学意义，但不一定不等效；p>0.05时认为两者差异无统计学意义，但绝不认为两者相等或相近。交叉试验中，多因素方差分析判断药物制剂间、个体间、周期间和服药顺序间的差异，而服药顺序和个体间是一种嵌套关系，即个体间嵌套在服药顺序内，因此在服药顺序的效应因以个体间误差为分母。方差分析本身不能胜任等效判断，但其结果为生物等效性试验进行双单侧t检验提供额基础。第二步：双单侧t检验和计算90%置信区间的统计分析方法来评价和判断药物间的生物等效性。双单侧t检验（TOST）和100*（1-2α）%置信区间是目前生物等效检验的最常用且公认的方法。双单侧t检验是等效性检验，零假设为两药不等效，受试制剂在参比制剂一定范围之外，若取α=0.05，则p<0.05时说明受试制剂没有超过规定的参比制剂的高限和低限，拒绝零假设，可认为两药等效。反之亦然。同时也可以从参数估计上依据100（1-2α）%置信区间进行判断。我国2016年发布的《以药动学参数为终点评价指标的化学药物仿制药人体生物等效性研究技术指导原则》建议主要药动学参数AUC和Cmax一般情况下几何均值比值90%置信区间数值应不低于80.00%，且不超过125.00%,且不能通过四舍五入的方法达到要求。双单侧检验假设及统计量公式：
`xT ,`xR 分别为受试制剂和参比制剂的PK参数的对数均值，在双交叉中为最小二乘法均数，r1,r2分别为管理部门定出的生物等效性的低高侧界限，一般为0.8和1.25；S为原数据自然对数转换后经方差分析得出的样本误差均方的平方根；n为试验个数，即可用于分析生物等效性的受试者人数；`xT ,`xR和S均通过方差分析得到。
100（1-2α）置信区间计算公式`。
五、SAS实现以双交叉试验设计AUC测定值为例。
（一） 方差分析
I 通常可以proc glm和proc mixed两个模型实现。程序如下：
*试验数据，subjid受试者ID,seq试验顺序，period试验周期，drug：处理因素（药物）;
data test;
input subjid $3. seq $4. period drug $1. auc;
*对PK参数取对数再进行分析;
log=log(auc);
cards;
1 R-T 1 R 838
2 R-T 1 R 749
3 R-T 1 R 953
4 R-T 1 R 637
5 R-T 1 R 867
6 R-T 1 R 960
7 R-T 1 R 455
8 R-T 1 R 819
9 R-T 1 R 400
10 R-T 1 R 800
1 R-T 2 T 1225
2 R-T 2 T 757
3 R-T 2 T 826
4 R-T 2 T 532
5 R-T 2 T 793
6 R-T 2 T 1027
7 R-T 2 T 1112
8 R-T 2 T 840
9 R-T 2 T 1000
10 R-T 2 T800
11 T-R 1 T783
12 T-R 1 T960
13 T-R 1 T947
14 T-R 1 T780
15 T-R 1 T932
16 T-R 1 T 929
17 T-R 1 T889
18 T-R 1 T846
19 T-R 1 T695
20 T-R 1 T746
11 T-R 2 R560
12 T-R 2 R734
13 T-R 2 R1227
14 T-R 2 R198
15 T-R 2 R1071
16 T-R 2 R900
17 T-R 2 R772
18 T-R 2 R897
19 T-R 2 R707
20 T-R 2 R1293
;
run;
*多因素方差分析;
*Method 1：glm;
proc glm data=test;
class seq subjid drug period;
*subjid(seq)指定subjid嵌套在seq内;
model log=seq subjid(seq) period drug;
*random指定subjid(seq)为随机效应，test对随机效应进行检验,即指定subjid(seq)为seq的误差项，在计算误差项时不需要该语句;
random subjid(seq)/test;
*求几何平均值比;
estimate “T VS. R” drug 1 –1;
*test指定seq的误差项为subjid(seq);
testh=seq e=subjid(seq);
*求最小二乘法均值;
lsmeans drug;
run;
*Method 2:mixed;
proc mixed data=test;
class seq subjid period drug;
*ddfm=指定分母自由度计算方法;
model log = seq period drug/htype=1 ddfm=satterth;
*指定截距作为随机效应，subject=指定subject,双交叉subject嵌套在试验序列中;
random intercept / subject=subjid(seq);
*计算几何平均值比和90%置信区间;
estimate“T VS. R” drug 1 –1 /clalpha=0.1;
*求最小二乘法均值;
lsmeans drug;
run;
II 两种方法关键点的比较：
-
受试者因素GLM模型需要在model语句里指定subjid(seq)，因为test语句指定subjid(seq)为seq的误差项，test语句中的effects需要在model语句里出现。MIXED模型不需要写入subjid(seq)，如果需要检验subjid(seq)，需要将random语句引去，在model语句里加入subjid(seq)因素。
-
几何均值比的90%区间 GLM不能输出几何均值比的90%区间，这个需要通过模型计算出误差项均方的平方根（S），通过公式计算出两个限值。MIXED模型可以通过设置clalpha两个选项输出限值。
-
处理顺序因素的检验在glm模型中model语句里用random指定seq的误差项即可；在mixed模型相对复杂点，中也需要random指定seq的误差项后可得。
-
样本误差值 mixed模型需将random语句引去后模型求的值
III模型关键结果解读：
1、样本误差值
2、四个因素的检验
MIXED模型在检验处理因素时，random指定subjid(seq)，求受试者因素假设检验结果时需引去random语句。
3、最小二乘法均值 Lsmeans语句指定处理因素。
4、几何均值比和90%置信区间。Glm模型的置信区间需要通过公式计算，如下，r1,r2为等效标准，r1一般取0.8,r2取1.25。S原数据转换后经方差分析得出的样本误差均方的平方根。
LT和LR分别为原始数据转换后的算术均数。Mixed模型可以直接得出相应的结果。
几何均值，标准差，几何均值比均需要EXP转回去。
（二） 双单侧检验
第一步：根据方差分析输出`xT ,`xR ,S，用于生物等效性分析对象数n的结果，r1等于0.8,r2等于1.25，S为样本误差值的平方根，将这几个值带入公式计算检验统计量T1和T2；
第二步：求p值 这里误差的自由度根据方差分析输出，或者n=n-2，p值计算公式p=(1-probt(ABS(t_value),n))。
注意：方差分析需要输出一些结果可以通过ods output到指定的数据集中，然后调用。
Tmax和T1/2的方差分析可参见文献《Hodges-Lehmann confidence intervals for ashift in location using SAS® procedure SQL》。
【转自：sas应用分析】
