生物檢定定量反應法的附加功能
對於定量(比率)生物檢定,迴歸、平行性和線性的有效性檢定可採用預設的概似比偏差法,或採用 Finney 最小卡方法(EP 5.3 的慣例)。採用偏差法時,若有劑量組的反應率恰為 0% 或 100%,會給出提示,並建議改用 Finney 法。相對效價、其信賴區間和配適係數不受此選擇影響。
最後審閱
核心要點
定量反應法(Quantal Response Method)可通過概似比偏差法或 Finney 經典最小卡方法計算其有效性檢定;當某劑量組反應率為 0% 或 100% 時,後者仍保持穩定。
生物檢定 — 定量反應法
新增功能:可選的有效性檢定方法(「Likelihood-Ratio Deviance」與「Finney's Classical Chi-Square」)及自動極端反應診斷提示
新增內容
定量反應法新增了第二種可選的方式來計算其三項有效性檢定(Significance of Regression、Parallelism、Linearity),同時新增一條自動診斷提示,僅當資料中出現某種可能導致預設計算在數值上不穩定的特定情形時才會出現。相對效價的點估計及其信賴區間不受這兩項新增功能的影響——二者都只涉及有效性檢定,以及使用者對檢定結果的可信程度。
法規與統計背景
當記錄的結果是比率時,例如每個劑量下出現反應的受試物件所佔比例,而非連續量測值,應使用定量反應檢定。配適一個模型(通常為 probit 或 logit)來聯絡對數劑量與反應機率,在報告效價之前,還須進行與其他生物檢定方法相同的三項有效性檢查(迴歸顯著性、平行性、線性)。
計算這三項有效性檢定,存在兩種各自獨立且均有效的統計方法。現代預設方法透過最大概似法配適一系列巢狀廣義線性模型,並以概似比偏差檢定對其進行比較。經典替代方法由 D.J. Finney 在《Statistical Method in Biological Assay》中完整闡述(這一整套生物檢定工具均遵循該基礎性文獻),它改用基於線性化「工作」變數的最小卡方法。符合歐洲藥典(Ph. Eur.)第 5.3 章「Statistical Analysis of Results of Biological Assays and Tests」的商業軟體通常採用後者。
數學原理
偏差法(本工具現有的預設方法)。透過最大概似法配適一個完全飽和模型——每個製劑/劑量組各有一個自由參數——同時配適逐步受到更多限制的巢狀模型(各製劑共用斜率;完全合併的單一直線)。每項有效性檢定都是其中兩個巢狀模型之間的概似比偏差差值:
偏差差值 = -2 x(較簡單模型的對數概似 - 較一般模型的對數概似)
該差值與卡方分配比較,自由度等於兩個模型配適參數個數之差。這是標準的現代最大概似法,但它依賴於完全飽和模型對每一個組都收斂到有限估計值;只要某組的觀測反應率恰為 0% 或 100%,這一點就無法成立,因為在 probit 或 logit 模型下,沒有任何有限的參數值能再現這一結果(統計學家稱這種情形為「完全分離」)。
Finney 經典最小卡方法(新選項)。該方法不配適飽和模型,而是從已收斂的共同斜率模型出發,為每個劑量組計算一個「工作」probit 或 logit 值——即配適的線性預測值,加上一個校正項進行調整;該校正項與觀測反應比例和模型預測比例之差成正比,並以該點處預期二項變異數的倒數加權:
工作變數(每組)= 配適的線性預測值 +(觀測比例 - 配適比例)/(連結函數的區域性斜率)
權重(每組)= 組大小 x(連結函數的區域性斜率)^2 /(配適比例 x (1 - 配適比例))
然後對這些工作變數(而非原始比例)進行普通加權最小平方迴歸和序貫變異數分析,得到迴歸、非平行性和非線性的卡方統計量;整個過程無需單獨估計任何一個組自身的參數,因此 0% 或 100% 的組絕不會導致非有限的配適結果。
原理:為何有兩種慣例,各自何時使用
對於表現良好的資料,兩種方法漸近等價;只要每個劑量組的觀測反應率都遠離 0% 和 100%,實際得到的卡方統計量幾乎相同。因此,選用哪種方法取決於資料,而不是個人偏好:當某個劑量組恰好出現真正極端的觀測比例時(這在劑量-反應曲線的兩端是常見且不足為奇的現象,樣本組較小時尤其如此),偏差法的有效性統計量可能變得不穩定或被誇大,而 Finney 法由於從不要求單獨配適該極端組自身的參數,在數值上依然表現良好。
為了讓使用者無需理解其中的數值問題也能據此採取行動,本工具現在還會直接檢查原始資料中是否存在這一情形(即任一劑量組中出現反應的數量恰為零,或恰好等於受試數量),一旦發現,且所選為偏差法,就會顯示一條自動提示,說明風險並建議使用 Finney 卡方法。Finney 法不受此情形影響,因此選用該方法時不會顯示該提示。這一檢測有意基於觀測比例本身,而不是基於底層計算可能觸發也可能不觸發的數值警告,因為更寬泛的一類技術警告即使在不存在極端組的表現良好的資料上也可能觸發,那樣就成了誤報。
只要出現該提示,建議選擇 Finney 法;當需要使有效性檢定統計量與預設採用該方法的、符合 EP 5.3 的商業軟體保持一致時,該方法同樣有用。在不存在極端組的情況下,本工具現有的基於偏差的預設方法仍是完全有效的標準選擇。
輸出中哪些會變化,哪些不變
受影響:
- 三項有效性檢定(Significance of Regression、Parallelism、Linearity)的 Chi-Square(或 F-value)和 P-value 欄
- 當任一劑量組的觀測反應率恰為 0% 或 100% 時(所選為偏差法),出現一條新的自動診斷提示
不受影響:
- 各供試製劑的相對效價估計值
- 效價信賴區間
- 配適的迴歸係數(斜率和截距)
在哪裡找到此功能
在定量反應法工具的輸入表單上,標有「Validity test method」的欄位可在「Likelihood-ratio deviance (this tool's default)」與「Finney's classical minimum chi-square (EP 5.3 default)」之間選擇。自動診斷提示一旦觸發,會在所選為偏差法時與有效性結果一併顯示在輸出中。

對照已發表參考資料的驗證
這兩項新增功能均已對照 Finney 本人用來說明該方法的一個已發表的計算範例進行了檢定——這是一項關於胰島素效價的 probit 模型檢定,以小鼠驚厥反應為指標,標準製劑有九個劑量水準,供試製劑有五個,資料取自 Finney 自己的教科書。標準製劑的最低劑量組(劑量 3.4,n=33)沒有反應者——這是真正的 0% 觀測,恰好就是新增自動提示所要檢測的情形。
來源:D.J. Finney, "Statistical Method in Biological Assay," 3rd Edition (1978), Griffin, London,第 376 頁的計算範例——轉載自 Stegmann Systems 的 PLA 3.0 已發表範例報告(Document-2077,「D.J. Finney, p. 376... Insulin, Mouse convulsion - with Suitability tests」)
檢定 / 指標 | 已發表值(Finney / PLA) | 計算值(Finney 卡方法選項) |
迴歸顯著性(卡方,df=1) | 130.26783, p=3.581E-30 | 130.2678, p≈0 |
平行性(卡方,df=1) | 0.28243, p=0.59512 | 0.2824, p=0.5951 |
線性(卡方,df=10) | 5.42085, p=0.86135 | 5.4208, p=0.8614 |
效價比(T:S) | 0.66852 | 0.66852(如預期,不受此設定影響) |
95% CI | 0.55339 – 0.80406 | 0.5534 – 0.8041(如預期,不受此設定影響) |
在同一資料集上啟用預設(基於偏差的)方法時,本工具的自動診斷提示正確出現,指出標準製劑劑量 3.4 的組是風險來源,並建議使用 Finney 卡方法。選用 Finney 卡方法時,該提示正確地沒有出現,因為該方法不受底層不穩定性的影響。另一項檢查確認,在不含極端組、表現良好的資料集上不會出現該提示,排除了誤報。
參考文獻
- 歐洲藥典(Ph. Eur.),第 5.3 章——「Statistical Analysis of Results of Biological Assays and Tests」(第 5 版,2005 年及後續版本)。
- 美國藥典,通則 <111>——「Design and Analysis of Biological Assays」。
- Finney, D.J.(1978)。「Statistical Method in Biological Assay」,第 3 版,Charles Griffin & Company,倫敦。計算範例與資料:第 376 頁。
- Stegmann Systems GmbH,PLA 3.0 已發表計算範例(Document-2077)—— https://www.bioassay.de/media/document/document-2077-o130_permanent_pla_307.pdf
常見問題
什麼是定量反應生物檢定?
當記錄的結果是比率,例如每個劑量下出現反應的受試物件所佔比例,而非連續量測值時,使用定量反應檢定。probit 或 logit 模型將對數劑量與反應機率聯絡起來,在報告相對效價之前,檢定必須透過迴歸顯著性、平行性和線性的有效性檢查。
當劑量組的反應率為 0% 或 100% 時,偏差法為何會失效?
偏差法配適的是每個劑量組各有一個參數的飽和模型。當某組的觀測反應恰為 0% 或 100% 時,在 probit 或 logit 模型下沒有任何有限的參數能再現該結果,這種情形稱為完全分離。此時有效性統計量可能變得不穩定或被誇大,而 Finney 法在數值上依然表現良好。
Finney 最小卡方法的原理是什麼?
它從已收斂的共同斜率模型出發,為每個劑量組計算一個工作 probit 或 logit 值,並按觀測比例與配適比例之差進行調整,權重基於二項變異數。對這些工作變數進行加權最小平方迴歸,即可得到迴歸、非平行性和非線性的卡方統計量。
在 Zometric Statistical Software 中如何選擇有效性檢定方法?
在定量反應法的輸入表單上,Validity test method 欄位提供 Likelihood-ratio deviance(預設)或 Finney's classical minimum chi-square 兩種選擇。選用偏差法時,自動提示會標出反應數為零或全部受試物件均有反應的劑量組;此時,或需要與符合 EP 5.3 的軟體保持一致時,請選擇 Finney 法。相對效價及其信賴區間不受影響。
