公告 | BE統計學指導原則和高變異藥物BE研究技術指導原則新鮮出爐啦?。?！
發稿時間：2018-10-30 來源：國家藥品監督管理局
為保障仿制藥一致性評價工作的順利開展，國家藥品監督管理局研究制定了《生物等效性研究的統計學指導原則》《高變異藥物生物等效性研究技術指導原則》，現予發布。
附件：
1.生物等效性研究的統計學指導原則：
2.高變異藥物生物等效性研究技術指導原則
國家藥監局
2018年10月17日
附件1
生物等效性研究的統計學指導原則局
一、概述：
生物等效性（Bioequivalence, BE）研究是比較受試制劑（T）與參比制劑（R）的吸收速度和吸收程度差異是否在可接受范圍內的研究，可用于化學藥物仿制藥的上市申請，也可用于已上市藥物的變更（如新增規格、新增劑型、新的給藥途徑）申請。
目前生物等效性研究通常推薦使用平均生物等效性（Average Bioequivalence, ABE）方法。平均生物等效性方法只比較藥代動力學參數的平均水平，未考慮個體內變異及個體與制劑的交互作用引起的變異。在某些情況下，可能需要考慮其他分析方法。例如氣霧劑的體外BE研究可采用群體生物等效性（Population Bioequivalence，PBE）方法，以評價制劑間藥代動力學參數的平均水平及個體內變異是否等效。
本指導原則旨在為以藥代動力學參數為終點評價指標的生物等效性研究的研究設計、數據分析和結果報告提供技術指導，是對生物等效性研究數據資料進行統計分析的一般原則。在開展生物等效性研究時，除參考本指導原則的內容外，尚應綜合參考《以藥動學參數為終點評價指標的化學藥物仿制藥人體生物等效性研究技術指導原則》和《藥物臨床試驗的生物統計學指導原則》等相關指導原則。
二、研究設計
（一）總體設計考慮
生物等效性研究可采用交叉設計或者平行組設計。
1.交叉設計
生物等效性研究一般建議采用交叉設計的方法。交叉設計的優勢包括：可以有效減少個體間變異給試驗評價帶來的偏倚；在樣本量相等的情況下，使用交叉設計比平行組設計具有更高的檢驗效能。。
兩制劑、兩周期、兩序列交叉設計是一種常見的交叉設計，見表1。
如果需要準確估計某一制劑的個體內變異，可采用重復交叉設計。重復交叉設計包括部分重復（如兩制劑、三周期、三序列）或者完全重復（如兩制劑、四周期、兩序列），見表2和表3。
2.平行組設計
在某些特定情況下（例如半衰期較長的藥物），也可以使用平行組設計。平行組設計因個體間變異給試驗帶來的影響較交叉設計大，應有更嚴格的受試者入選條件，如年齡、性別、體重、疾病史等，且需使用合理的隨機化方案確保組間的基線水平均衡以得到更好的組間可比性。。
3.其他設計
如果采用適應性設計等其他設計方法，可參考《藥物臨床試驗的生物統計學指導原則》，且應事先與監管機構溝通。
（二）樣本量
試驗前需充分估計所需的樣本量，以保證足夠的檢驗效能，并在試驗方案中詳細說明樣本量估計方法和結果。使用ABE方法進行生物等效性分析時，應基于明確的公式合理估計樣本量。不同的設計，對應的樣本量估計公式不同。
交叉設計的樣本量需考慮的因素包括：（1）檢驗水準α，通常為雙側0.1（雙單側0.05）；（2）檢驗效能1-β，通常至少為80%；（3）個體內變異系數（Within-subject coefficient of variation，CVw%），可基于文獻報道或預試驗結果進行估計；（4）幾何均值比（Geometric mean ratio, GMR）；（5）等效性界值。平行組設計的樣本量估計可參考一般連續型變量的樣本量計算公式。
如果使用的分析方法沒有明確的樣本量計算公式，也可以采用計算機模擬的方法估計樣本量。
（三）受試者脫落
為了避免研究過程中因受試者的脫落導致樣本量不足，申請人在進行樣本量估計時應考慮適當增加樣本量。
一般情況下，試驗開始后不應再追加受試者。已分配隨機號的受試者通常不可以被替代。
（四）殘留效應
使用交叉設計進行BE研究通過每個受試者自身對照來增加比較的精度，其基本假設是所比較的制劑在下一周期試驗時均不存在殘留效應，或殘留效應相近。如果交叉設計中存在不相等的殘留效應，那么對于GMR的估計可能有偏。
研究設計時應避免發生殘留效應。如果發現存在殘留效應，申請人應當分析產生的可能原因，提供相應的判斷依據，評估其對最終結論的影響。
三、數據處理和分析
（一）數據集
數據集事先需要在方案中明確定義，包括具體的受試者剔除標準。一般情況下，BE研究的數據集應至少包括藥代動力學參數集（Pharmacokinetics Parameter Set，PKPS）、生物等效性集（Bioequivalence Set，BES）。用于不同藥代動力學參數分析的受試者數量可能不同。
藥代動力學參數集（PKPS）：包括接受過至少一次研究藥物的受試者中獲得的藥代動力學參數數據集。本數據集的作用在于描述性統計受試者的藥代動力學參數數據。
生物等效性集（BES）：通常包括至少一個周期且具有至少一個可評價藥代動力學參數的統計分析集。本數據集是推斷受試制劑和參比制劑是否生物等效的主要數據集。
（二）數據轉換
建議對藥代動力學參數（如AUC和Cmax）使用自然對數進行數據轉換。選擇的對數轉換方式應在試驗過程中保持一致，且需在方案中指明。在生物等效性研究中，由于樣本量較少，難以確定數據的分布。因此，不建議以對數轉換后數據不服從正態分布，或原始數據服從正態分布為由，而使用原始數據進行統計分析。
（三）統計假設與推斷
平均生物等效要求受試制劑和參比制劑的差異在一定可接受范圍內，通過以下假設檢驗來進行統計推斷。
原假設H0：
或
備擇假設H1：
其中μT為受試制劑對數變換后藥代參數總體均數，μR為參比制劑對數變換后藥代參數總體均數，θ為生物等效性界值。在設定的檢驗水準下，若拒絕原假設H0，則表明生物等效。通常設定θ=ln（1.25），-θ=ln（0.8），即生物等效性要求受試制劑和參比制劑的GMR落在80.00%—125.00%范圍內。
生物等效性標準應同時適用于各主要藥代動力學參數，包括Cmax、AUC0-t和AUC0-∞。
通常情況下，如果研究藥物包含多個組分，則每個組分均應符合生物等效性標準。
當Tmax與藥物的臨床療效密切相關時，通常采用配對非參數方法對Tmax進行差異性檢驗。
（四）數據分析
1.概述
對于上文提到的生物等效性標準，通常是構建
的雙側90%置信區間，若此置信區間落在區間
內，則可推斷受試制劑和參比制劑滿足生物等效。此方法等價于在0.05的檢驗水準下進行雙單側假設檢驗。應根據不同的試驗設計選擇恰當的置信區間計算方法。計算出
的雙側90%置信區間后，可通過逆對數變換（指數變換）得到受試制劑和參比制劑原始數據的GMR的雙側90%置信區間。
2.交叉設計
對于交叉設計，建議使用線性混合效應模型進行分析計算。
3.平行組設計
建議采用基于正態分布均數差值的置信區間構建方法。
（五）離群數據處理
通常不建議剔除離群值。必要時需要針對離群值進行敏感性分析，即評價剔除和不剔除離群值對生物等效性結果的影響。如果結論不一致，需解釋說明并分析原因。
（六）其他問題
如果一個交叉設計是在兩個及以上的中心進行，統計模型中應該考慮中心效應。所用模型應該能估計不同中心的效應，反映不同中心的實際情況，并說明來自不同中心的試驗數據是否可以合并進行分析。
如果存在多種受試制劑和/或多種參比制劑，通常會有多個生物等效的假設檢驗。若多個假設檢驗需同時滿足，則無需進行I類錯誤的調整；若不要求同時滿足，則需對I類錯誤進行調整，調整的方法有Bonferroni法、Hochberg法等。
四、結果報告
結果報告中應對以下內容進行詳細說明。
（一）隨機化
應具體說明試驗用的隨機化系統和隨機化方案，包括隨機化控制的因素、區組、種子數等，并附有隨機化數字表。
隨機化的結果應用表格描述，其中包含受試者編號、每一周期的用藥情況，以及隨機化控制的因素等。隨機化結果可在附錄中展現。
（二）統計學方法
應說明所采用的統計學方法，包括藥代動力學參數的計算方法、分析模型和等效性檢驗方法、對數轉換等內容。還需說明使用軟件的名稱與版本號。
（三）統計分析結果
應提供每個受試者給藥后的檢測成分濃度檢測結果。在附錄中應同時給出算術坐標以及對數坐標下每個受試者給藥后的藥時曲線、不同藥物制劑的平均藥時曲線。
應提供每個受試者的藥代動力學參數結果，包括受試制劑和參比制劑的算術均值、幾何均值、標準差和變異系數。
應提供包含序列內嵌套受試者、序列、周期和制劑因素的混合效應模型結果。若存在其他還需考慮的因素，也應包含在模型中。
應提供藥代動力學參數幾何均值比及其置信區間估計結果。
五、數據管理
以注冊上市為目的的生物等效性研究的數據管理可參考臨床試驗數據管理相關技術要求。
生物等效性研究中生物樣本分析等數據為外部數據，在樣本分析及相關數據傳輸過程中應保持盲態，并按照提前制定的傳輸協議進行數據傳輸。試驗涉及到的生物樣本分析、數據傳輸和統計分析相關的計算機化系統應經過驗證并保持驗證狀態。
六、參考文獻
1.CFDA：以藥動學參數為終點評價指標的化學藥物仿制藥人體生物等效性研究技術指導原則. 2016年3月.
2.CFDA：藥物臨床試驗的生物統計學指導原則. 2016年6月.
3.FDA：Guidance for Industry: Statistical Approaches to Establishing Bioequivalence. Jan 2001.
4.EMA：Guideline on the Investigation of Bioequivalence. Aug 2010.
5.EMA：Questions & Answers: Positions on Specific Questions Addressed to the Pharmacokinetics Working Party. Nov 2015.
七、術語表
附件2
高變異藥物生物等效性研究技術指導原則
一、概述
化學藥物制劑生物等效性評價，通常采用平均生物等效性（Average bioequivalence, ABE）方法，等效標準為受試制劑與參比制劑的主要藥動學參數（AUC和Cmax）幾何均值比的90%置信區間落在80.00%~125.00%范圍內。
某些藥物由于生物利用度過低、酸不穩定、吸收前的廣泛代謝等原因，導致一個或多個藥動學參數的個體內變異系數（Within-subject coefficient of variation, CVW%）大于或等于30%，稱為高變異藥物（Highly variable drug, HVD）。在其他因素不變的情況下，隨著個體內變異增加，生物等效性研究所需受試者數量也會相應增加。對于高變異藥物，采用常規樣本量和等效性判定標準，有時即使參比制劑與自身相比較，也可能出現不能證明其生物等效的情況。
對于安全性較好、治療窗較寬的高變異藥物，在充分科學論證的基礎上和保證公眾用藥安全、有效的前提下，通過部分重復或完全重復交叉設計，根據參比制劑的個體內變異，采用參比制劑標度的平均生物等效性（Reference-scaled average bioequivalence, RSABE）方法，將等效性判定標準在80.00%~125.00%的基礎上適當放寬，可減少不必要的人群暴露，達到科學評價不同制劑是否生物等效的目的。
當采用RSABE方法進行生物等效性評價時，應首先根據藥物體內過程特點等因素，分析造成藥物制劑高變異特征的可能原因，結合預試驗或文獻報道結果，充分論證和評估采用該方法進行生物等效性評價的適用性。采用部分重復或完全重復交叉設計，在符合《藥物臨床試驗質量管理規范》（GCP）相關要求的條件下，正式試驗獲得的參比制劑藥動學參數個體內變異系數大于或等于30%時，方可適用RSABE方法進行生物等效性評價。
本指導原則旨在為開展以藥動學參數為主要終點指標的高變異化學藥物生物等效性研究時，如何進行研究設計、樣本量估算、統計分析、結果報告等方面提供技術指導。
二、研究總體設計
研究總體設計的目標為采用科學的方法最大程度地降低生物等效性評價的偏倚。
（一）試驗設計
應根據藥物特點，綜合考慮擬定的統計分析方法、受試者可獲得性、殘留效應等因素，選擇非重復交叉設計、重復交叉設計或平行組設計。
1.交叉設計
（1）非重復交叉設計
非重復交叉設計是生物等效性研究常采用的標準設計，即兩制劑、兩周期、兩序列、交叉設計。對于高變異藥物，由于個體內變異較大，采用此種設計進行生物等效性研究時，需要適當增加樣本量，以滿足試驗的檢驗效能。
（2）重復交叉設計
重復交叉設計可分為三周期部分重復（僅重復使用參比制劑）和四周期完全重復（重復使用參比制劑和受試制劑）交叉設計。重復交叉設計可保證同一受試者至少服用參比制劑兩次，獲得確切的參比制劑個體內變異系數，以決定是否采用RSABE方法進行生物等效性分析。常采用的重復交叉設計見表1和表2。
2.平行組設計
特殊情況下（例如長半衰期藥物）可采用平行組設計。與交叉設計相比，平行組設計需要更大的樣本量。
一般應采用單次給藥進行高變異藥物的生物等效性研究。若基于安全性考慮，需入選正在進行藥物治療且治療不可間斷的患者，可在多次給藥達穩態后，采用ABE方法進行高變異藥物的生物等效性評價。
試驗設計的其他要求可參考《以藥動學參數為終點評價指標的化學藥物仿制藥人體生物等效性研究技術指導原則》及《生物等效性研究的統計學指導原則》。
（二）樣本量估計
試驗前需充分估計所需的樣本量，以保證足夠的檢驗效能。對于ABE方法，可綜合考慮試驗設計、檢驗水準、檢驗效能、制劑間平均生物利用度可能的差異、參比制劑藥動學參數的個體內變異，建議充分考慮研究過程中可能的受試者脫落等因素，進行樣本量估計。具體參見《生物等效性研究的統計學指導原則》。
RSABE方法的樣本量估計可通過計算機模擬的方法；也可將參比制劑的個體內標準差SWR視為常數，先求得經調整的等效性界值，再代入到相應設計下基于ABE方法的計算公式求算，建議適當增加樣本量進行保守估計。
三、統計分析方法
應在研究方案和統計分析計劃中提前制定生物等效性分析方法，若選擇非重復交叉設計或平行組設計，應采用ABE方法；若選擇部分重復或完全重復交叉設計，則可采用ABE方法或RSABE方法。與ABE方法相比，RSABE方法依據參比制劑的個體內變異適當放寬了等效性判定標準。
（一）平均生物等效性方法
采用ABE方法評價時，應以主要藥動學參數（AUC和Cmax）幾何均值比的90%置信區間落在80.00%~125.00%的范圍內為等效標準。
（二）參比制劑標度的平均生物等效性方法
RSABE法主要分為下列三步：
1.計算參比制劑的個體內標準差（SWR）
采用部分重復或完全重復交叉設計，可獲得受試者兩次服用參比制劑后，主要藥動學參數的個體內標準差（SWR），SWR可通過公式1計算：
其中，i為研究中的序列編號（m在部分重復和完全重復交叉設計中分別為3和2，ni為第i個序列中受試者人數）；j為序列內受試者編號；Dij（Rij1-Rij2）代表參比制劑兩次給藥后自然對數轉化后藥動學參數的差值；
；n為研究中受試者總人數。不同藥動學參數的SWR需分別計算。
SWR與CVW%存在以下換算關系：
若SWR≥0.294，即CVW%≥30%，可采用RSABE方法進行等效性評價（應用于AUC、Cmax兩者之中任意一個或全部采用）。若SWR＜0.294，即CVW%＜30%，則應采用ABE方法評價生物等效性。
2.計算以下算式的單側95%置信區間上限（Upper bound of 95% confidence interval）
運用Howe一階逼近法來確定的單側95%置信區間上限。式中分別表示在受試制劑和參比制劑的生物等效性研究中分別獲得的自然對數轉換的AUC或Cmax的均值。
σw0為法規限度（Regulatory limit, 一般取σw0=0.25）。
3.等效性判斷標準
單側95%置信區間上限小于等于零，同時，制劑間主要藥動學參數的幾何均值比（Geometric mean ratio, GMR）的點估計值在80.00%~125.00%范圍內，可判定受試制劑與參比制劑的藥動學評價指標（AUC或Cmax）具有生物等效性。只有AUC和Cmax均判定等效才可申明該制劑與參比制劑具有生物等效性。
四、報告總結與討論
研究報告撰寫內容除應符合生物等效性研究的一般技術要求外，還應重點進行高變異藥物特征論證、風險評估及相應的數據分析報告。
（一）高變異特征論證
通常情況下，導致藥物個體內高變異特征的潛在因素包括但不限于：（1）胃腸道pH值、胃腸動力、胃排空、小腸轉運和結腸駐留時間等影響生物利用度的生理因素；（2）藥物分布、首過代謝、全身代謝和清除等藥物固有性質；（3）溶解性等原料藥的理化性質；（4）藥物溶出等制劑的處方因素；（5）飲食等其他因素。
采用RSABE方法前，應基于已有的文獻資料、預試驗結果等，充分分析參比制劑生物藥劑學特征和體內過程，估算主要藥動學參數（AUC和/或Cmax）的個體內變異系數，充分論證采用RSABE方法的適用性。必要時，還需通過補充相關試驗加以論證。
（二）風險評估
通常情況下，只有安全性較好、治療窗較寬的高變異藥物才可采用RSABE方法進行不同制劑的生物等效性的評價。由藥物的固有屬性、機體生理因素等引起的高變異性一般無法通過提高制劑和試驗質量而消除，由于存在這種特性的參比制劑上市過程中已得到充分暴露并經過臨床研究安全性和有效性證明，此時，采用RSABE方法進行生物等效性評價是可接受的。
采用RSABE方法進行統計分析，應進行嚴格科學的試驗設計，試驗通常應在同一中心完成，并應避免試驗質量對個體內變異的估計引入偏倚。
對于由制劑質量或試驗操作不當等原因引起的高變異，不適合采用RSABE方法。申辦者應確保制劑質量的均一性及可控性，加強研究過程中的試驗質量管理，并在研究報告中比較臨床研究所獲得的個體內變異與文獻數據的差異，避免生物等效性判定標準的不當放寬。
（三）結果報告
1．藥動學參數AUC0-t、AUC0-∞和Cmax的個體內標準差（SWR）； 2.AUC0-t、AUC0-∞和Cmax的個體內變異系數（CVW%）及與文獻相應數據的比較； 3. 的單側95%置信區間上限；4.AUC0-t、AUC0-∞和Cmax的幾何均值比的點估計值。
五、特殊考慮
對于暴露量-效應曲線不平緩甚至陡峭的藥物，如替格瑞洛、達比加群等，即使個體內變異系數大于30%，也不建議采用RSABE方法放寬等效性判斷標準，以避免某些患者可能由于暴露量增加出現安全性風險。
含有高變異藥物的復方制劑（例如纈沙坦氨氯地平片）在試驗設計時應充分考慮單個藥物的生物藥劑學和藥代動力學特點，根據其中個體內變異較高的藥物進行相應樣本量估計，各組成藥物則應分別選擇適宜的統計分析方法進行生物等效性分析。
六、參考文獻
1. CFDA：以藥動學參數為終點評價指標的化學藥物仿制藥人體生物等效性研究技術指導原則. 2016年3月.
2. CFDA：藥物臨床試驗的生物統計學指導原則. 2016年6月.
3. FDA：Draft Guidance on Progesterone. Feb 2011.
4. Lawrence X. Yu, Bing V. Li. FDA Bioequivalence Standards. Jul 2014.
5. FDA：Draft Guidance on Dabigatran Etexilate Mesylate. Jul 2017.
附錄
附錄1 高變異藥物生物等效性研究決策樹
