[心得]oncology clinical trials with multiple primary endpoints

今天這場oncology clinical trials with multiple primary endpoints 真的很有意思，我有幸爲這個活動出了一點小小的力覺得非常高興，其實在rheumatology 和dermatology的領域，這樣的multiplicity analysis使用的還蠻多的，有機會再和大家分享今天提到的graphical approach, Hochberg procedure, family-wise gated analysis, 和weighted Bonferroni全部都用的真實案例。最後附上一點我小小的心得。

1. 看multiple endpoints 的trial 應該要注意哪些endpoints 是pre-specified, 有哪些有做type I error control ，下一步是去了解它怎麼control alpha，然後我們才能知道最後的p value是否有意義。所以當一個trial 宣稱它成功的時候，我們更應該去檢視所謂的成功是指哪一個endpoint的成功？以及它所代表的臨床意義是什麼？它是不是也把它不重要的結果當成重要的結果？新聞稿和paper所提及的重點是否一致？我想說的是有很多藥物可能都有很相似的療效，但很重要的是它的clinical development program是怎麼設計的會決定這個藥物的命運，它在什麼族群的什麼樣的病人的什麼outcome measurement 是有效的，也有可能一個失敗的設計徹底毀了這個藥的發展。

2. 一個過於嚴格的統計方法雖然可以control alpha，但是容易犯type 2 error 也就是臨床試驗的power會下降，一個試驗的power太低的結果就表示兩組明明有差，但是試驗結果卻說沒有差，所以財大氣粗的廠商power 一定是在90%以上（至少要80%）。

3. 藥物本身是最重要，如果trial會失敗無論你怎麼加大sample size 或是用各種方法去弄alpha 都還是會失敗。

4. 站在廠商的立場想要加速臨床試驗的速度是必然的，因爲研發成本越來越高，除了法規單位的要求之外還有payer的要求，要看的endpoint 和data的量和性質也是越來越多。站在醫師的立場當然會期待在unmet needs很高的疾病領域，在嚴謹且可信的條件下，能有更新更好的藥可以使用，怎麼根據越來越複雜的data去跟病人溝通，這就是「藝術」了，也是臨床醫師無可取代之處。

5. 個人的白日夢：Bayesian 感覺是個非常有趣的方法，它跟我們用frequentist 的想法完全不同，現在已大量的使用在phase I的clinical trial 裡面，不知道未來當有像穿戴裝置進入臨床試驗用以監測病人反應時，海量的數據搜集輸入Bayesian model 就可以調整劑量，或許就是可以透過這種新的研究方法徹底改變臨床試驗的面貌和藥物發展的世界。