著名科學家特斯拉曾經說過：欲了解宇宙的奧秘，就要以能量、頻率和振動來思考。
當你明白這點，就能運用它來設定潛意識，吸引任何你想要的來到你身邊。
#吸引力法則
#潛意識
#前1percent的人會使用但不見得願意分享
感謝快樂大學x合作夥伴 S.T.Chuang 協助翻譯。
原影片：https://is.gd/xEPBlB
原影片頻道：Be Inspired
訂閱快樂大學HappinessUniversity，觀看更多翻譯影片。
-
版權聲明：
快樂大學不持有原影片版權，僅基於教育用途作翻譯分享，若有侵權還請告知，我們將儘速下撤。
-
-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\
👉訂閱快樂大學的頻道，讓你的人生變得更快樂👈https://is.gd/BU3x93
👇更多【南方哲學系列影片】別錯過❗
🔥人氣No.1影片：停止浪費你的生命【中文翻譯】STOP wasting your life｜HU大推影片 https://youtu.be/tMEadGqvWqU
🔹分手之後💔： https://is.gd/2UBlhO
🔶焦慮革命：擺脫情緒勒索💪 https://is.gd/zskwzR
🔹成功學，大祕辛👂 https://is.gd/NfmscU
-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-\-
🌟想發問？有苦惱？
🌟追蹤IG｜日常｜問答｜直播：mars.kuma
https://reurl.cc/oex7g
👤活動｜文章｜日常
👤追蹤臉書：熊仁謙・大鼻子哲人
前1percent的人會使用但不見得願意分享 在 [其他] 基亞PI-88期末試驗結果預測方法- 看板Stock - 批踢踢實業坊 的推薦與評價
-------------------------------------基本介紹---------------------------------
首先先對臨床試驗做基本的介紹：
1. 所有臨床試驗"基本上"都需要在https://clinicaltrials.gov/上登記
因此，我們可以在這個網站上查到PI-88或是其他你有興趣的藥物，目前有多少研究正在執行中，或是已經完成了
2. 新藥開發在人體進行共有三個階段
第一階段： 安全性測試
基本上完全沒有參考價值，因為沒有對照組&樣本數極小。
簡單來說通過這個階段的藥物只要吃下去不會死人就好。
第二階段：劑量測試
決定幾個可能的使用劑量，並進行小規模的研究。（如PI-88測試了160/250 mg/day）
由於樣本數較小且組別較多的原因，要通過這個階段基本上不需要顯著的統計檢定值，但
需要更加確保沒有安全性的問題，以及至少有一種劑量相較於對照組有較佳的預後。
在第三階段臨床試驗結束前，若想了解可能的結果，只有這個階段的研究是最具參考價值的。
但是，除非少數有『非常明顯』療效的藥物之外，使用這階段的研究結果來預測第三階段臨床試驗的結果大部分和丟銅板沒什麼不同。
第三階段：最終階段
最終結果就是一翻兩瞪眼，沒啥好討論的。
但根據研究設計&期中分析的結果，我們仍然能較準確的『猜測』最後成功的機率。
------------------------------------本文開始---------------------------------
從paper上(第二階段)&https://clinicaltrials.gov/上登記的第三階段試驗，我們有幾個重要的訊息：
(PI-88之第三階段試驗登記網址：https://ppt.cc/tKab )
(PI-88第二期試驗結果文章網址：https://ppt.cc/hgdy )
1. 第二階段之主要的結果：Recurrence-free at study completion (48 weeks)
對照組 29/58 (50%)
160mg/day 35/56 (63%)
250mg/day 22/54 (41%)
根據這個結果，我們可以看出它的療效其實並不是很明顯。
一般來說，藥物劑量越高效果應該越好。（當然好到一定的程度就不會再好了，但反轉較為少見）
2. 第三階段臨床試驗之樣本數設定為519。
考慮到第二階段的試驗結果，我們設定下列參數計算樣本數：
顯著水準(p value)： 0.04148 (基亞設定的期末分析的顯著水準)
統計檢力(Power)： 0.8 (通常用的數字)
實驗/對照的比例： 1:1 (這種情形下要的樣本最小)
對照組的預期復發率： 0.5 (根據第二階段臨床試驗的數字)
實驗組的預期復發率： 0.37 (根據第二階段臨床試驗的數字)
上面這些專業的統計術語在最下面解惑。
算到的樣本數是520，跟519相當接近，因此我們預期他們內部的參數十之八九與上面相同。
至於計算方法，建議各位直接上https://ppt.cc/uowl做計算。
輸入下列參數：
Two-sided confidence level(%) = (1 - p value)*100 = 95.852
Power (1-beta or % chance of detecting ) = 80 (上面的0.8)
Ratio of Unexposed to Exposed in sample = 1 (上面的1:1)
Percent of Unexposed with Outcome = 50 (上面的0.5)
Percent of Exposed with Outcome = 37 (上面的0.37)
-----------------------------------數據分析-----------------------------------
在進行數據分析之前，你要先賭他真的有效還是沒效。（真的有沒有效只有上帝知道）
假設你賭沒效，那你還買它幹麻？
假設你賭有效，繼續往下看。
註1：你要賭有效還沒效，最有參考價值的就是第二階段臨床試驗的那篇Paper。
註2：從上面的證據來說，我對這機率並不樂觀，因為最高劑量的那組反而預後較差。
假設你已經賭有效了，接著在樣本數固定的情形下，Power是你最關心的東西：
Power的意思就是，若藥物真的有效，那試驗結果顯著的機率。
簡單的來說，若所有參數都設定正確，那期末分析顯著的機率是80%。
假設期中分析的時候約追蹤了一半的時間，那把發生率都砍半好了（50->25；37->18.5），加上顯著水準是0.01806，可得期中分析之Power大約是26%。
註3：所以我不知道期中分析之前對這結果在樂觀什麼，提前結束的機率只有26%。
另外，上面這些機率的計算根據的是"正確的參數預估"，若這些參數是"樂觀預估"，那機率就會比80%&26%更低。
但是根據我的經驗，樂觀預估上面這些參數太常見了。舉例來說，只要將"療效"從13%保守點設為10%，所需要的病患就要520變成880，對公司來說就是要花1.7倍的錢。
所以，我預估就算真的有療效，那期末分析會顯著的機率也不到80%。
另外，從這裡大概也可以看出公司願不願意花錢。（不過臨床試驗都很貴，他願意花也不見得有錢可以花）
----------------------------------給End的人---------------------------------
基亞還能不能翻盤，基本上取決於兩個機率（事實上對於謹慎的投資人而言，期中分析前就應該計算了）
1. 你賭他是不是真的有療效，並假設他真的有療效的期望機率是A
2. 計算它的Power（不會算就先設80%），假設這個數字是B
期末試驗的成功機率=A*B+0.04148*(1-A)
(你心中的A&B是多少就自己設定吧)
至於期中分析的結果能不能拿來做期末分析的預測？基本上是不行的，因為揭露的資訊太少了。
所以，所有的臨床試驗基本上都是場賭博，只是機率高低的不同而已。
-------------------------------給只想看一行結論的人---------------------------
"在一切都很樂觀的條件之下"，
期中分析過關率本來就只有26%，不過早在可以預期之內。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.109.40.5
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1408343067.A.CCB.html
智擎是公司名稱吧，可否給些藥物名稱之類的關鍵字？
對照組(安慰劑組)當然還是有可能有改善。
以這個例子來說，就是48週之內癌症未復發，難道不吃藥48周內就一定都要復發?
基亞的這個PI-88似乎就是跟歐美合作的（progen公司）。
另外，台灣未必做不出新藥，藥物這種東西很難說。
我不知道你所謂的之前失敗是指什麼？
是指期中分析結果不如預期？那我只能說本來就沒啥機會會通過。
是指歐美已經做過這種藥物的臨床試驗？你可以上https://clinicaltrials.gov/查查，在肝癌上基亞是第一個。
基亞是間好公司？這點我是很有疑問的。
如果試驗通過，毫無疑問未來賺錢的機率很高。
但根據現在的資訊，不只是他賠錢而已，還要考慮到它大部分營收來自核甘酸定序服務，這東西基本上已經是紅海了，需要越來越貴的儀器，但價錢卻必須越來越低。
※ 編輯: ching0629 (140.109.40.5), 08/18/2014 15:00:44
確實是有些寬鬆，可以的話我們會希望期末試驗的顯著水準越接近0.05越好，這樣期中分析的顯著水準就會非常小。
期末分析的顯著水準與期中分析的顯著水準有關，期中設越嚴格，期末就比較寬，反之亦然。
然而，期中分析幾乎不可能會顯著阿（以26%來看），那你還把一些扣打分到期中分析就顯得滿奇怪的。
這跟可信度無關，由於雙盲，連醫師也不確定他所評估的病患是吃哪種藥。
因此"假設"錯誤的機率在兩個組別相同，那兩組的差異就不受"錯誤率"影響。
我查了這個藥物，發現他的第三期試驗結果已經在今年6月結束了。(https://ppt.cc/wKRD)
根據https://ppt.cc/aH~Y，似乎是好的結果。
其實，第一線的研究人員常常受到"政治因素"干擾。
研究人員當然相信這個藥是確實有療效（A=100%），但你要認同他的想法嗎？
就算真的有療效好了，那根據Power analysis，最終通過的機率也不過80%。
也就是說，即使研究人員說的都對，通過機率也不過80%。
你會問研究人員為什麼願意接受這20%的失敗率，因為降低失敗率需要更高的樣本數，而金主有時候不願意花這麼多錢。
（或是花太多錢就算有反應了，投資報酬率也太差）
BTW，就算上市了，若是真實療效太差，也未必會賣得好，這部分就等期末報告出來若有顯著結果我再來評估吧。
Power analysis部分的公式有點長，需要的話直接使用網站計算就好。
至於我寫的A/B與預測機率的關係式，只有使用非常簡單的條件機率相乘，但只要A/B為真，它是正確無誤的。
你說的沒有錯，26%是"真的有療效"的狀況下，所以真實的"期望機率"（注意，不是機率，是期望機率）應該更低。
減半當然很武斷。但畢竟研究只經過一半的時間，設一半也只是個人推測，你可以設其他參數試試。
※ 編輯: ching0629 (140.109.40.5), 08/19/2014 08:40:23
... <看更多>