運用「病毒動力學模型」分析COVID-19藥物臨床試驗結果不一致的背後原因

運用「病毒動力學模型」分析COVID-19藥物臨床試驗結果不一致的背後原因
Photo Credit: Depositphotos

我們想讓你知道的是

最新研究,運用病毒動力學模型,分析並探討新冠藥物臨床試驗結果不一致的背後原因,希望有助於未來設計更好的臨床試驗。本研究建議若患者出現症狀後立即招募進入試驗,可以顯著減少研究所需樣本量。

議題背景

今(2021)年7月6日,國際期刊《公共科學圖書館:醫學》(PLoS Medicine)最新刊登的研究運用病毒動力學模型,分析並探討COVID-19(嚴重特殊傳染性肺炎、新冠肺炎、武漢肺炎)藥物臨床試驗結果不一致的背後原因,希望有助於未來設計更好的臨床試驗。

研究文獻

此研究假設,藥物可以減少95%至99%的病毒複製,以及試驗和治療的時間會比症狀出現時間晚一點。研究結果發現,感染的個體之間,病毒量變化狀況相差很大,且由於樣本數太少,對照隨機試驗(RCT)要做出顯著差異會很困難。但是,如果患者出現症狀後立即招募進入試驗,可以顯著減少需要的樣本量。

另外,研究作者提到,研究使用的是傳統的病毒動力學(即病毒量變化狀況)模型,可能無法完全反映病毒動力學的詳細機制,在參數設定和模型結構上都需要再校正,才能有更可靠的樣本數計算。來看看專家說法。

基隆長庚醫院急診醫學科主治醫師/長庚大學臨床資訊與醫學統計研究中心副教授 陳冠甫

2021年07月12日

日本學者先使用幾個長期追踪上呼吸道病毒量的的研究,配合幾個估計病毒量動態模型的公式,把測得的病毒衰減量分成三個群體:快速、中等、慢速。再來他們運用模型模擬病毒複製,假設抗病毒藥物效果能減少95%和99%的病毒複製,評估臨床試驗最重要的樣本數。

而後他們發現,以一比一的試驗對照組比例計算的話,樣本數要收到每一組13,603人和11,670人之多,效果才會有統計學上的顯著差異。日本學者進一步在本研究指出,如果收案的病人在出現症狀1天內就加入試驗的話,樣本數就只需要584人和458人而已。

1. 這份最新的研究,與先前新冠病毒藥物試驗相關的研究相比,最值得公眾重視的部分是什麼?

回顧先前的抗病毒藥物試驗,由英國醫學期刊(British Medical Journal,簡稱BMJ)提出的「實況系統性回顧統合分析(living systematic review and network meta-analysis)」來看,大部份都沒有達到本篇研究提出的樣本數水準,而且也沒有詳細針對病人症狀發生時間的長度設定收案的規定。

2. 這份研究的推論是否有研究限制?

本篇研究最大的限制,在於用來生成模型的病毒量數據有限。

日本學者從文獻上取得30個病人的病毒資訊,但沒有進一步評估病人本身的健康狀態、共有疾病,以致於論文中可清楚發現病人之間病毒量動態變化的差距很大。作者也指出,不同細胞的容易被感染程度(易感性)不同,但因為沒有這方面的詳細資訊,本研究也無法模擬病毒感染細胞的詳細結果,導致生成的結果與實際狀況可能有很大的差異。

3. 我們該如何解讀這份研究?它可以如何幫助我們理解抗新冠病毒藥物的效果與試驗設計的關係?

本研究使用部份真實世界數據,使用在學術界已建立的病毒量動態模型,根據不同感染時期抗病毒藥物的效果,進一步推估在臨床試驗設計時應該考慮的重要樣本數估計原則。在新冠病毒或是日後其他感染性流行病大爆發的時候,社會大眾及產官學界在發展或解讀評估藥物效果的臨床試驗時,還是應該要儘可能考慮早期給予抗病毒藥物的效果,與較晚期才投藥的可能差異。

本文經新興科技媒體中心授權刊登,原文刊載於此

責任編輯:蕭汎如
核稿編輯:翁世航


Tags: