生物检定定量反应法的附加功能

对于定量(比率)生物检定,回归、平行性和线性的有效性检验可采用默认的似然比偏差法,或采用 Finney 最小卡方法(EP 5.3 的惯例)。采用偏差法时,若有剂量组的响应率恰为 0% 或 100%,会给出提示,并建议改用 Finney 法。相对效价、其置信区间和拟合系数不受此选择影响。

最后审阅

核心要点

定量反应法(Quantal Response Method)可通过似然比偏差法或 Finney 经典最小卡方法计算其有效性检验;当某剂量组响应率为 0% 或 100% 时,后者仍保持稳定。

本页内容
  1. 生物检定 — 定量反应法
  2. 新增内容
  3. 法规与统计背景
  4. 数学原理
  5. 原理:为何有两种惯例,各自何时使用
  6. 输出中哪些会变化,哪些不变
    1. 受影响:
    2. 不受影响:
  7. 在哪里找到此功能
  8. 对照已发表参考数据的验证
  9. 参考文献

生物检定 — 定量反应法

新增功能:可选的有效性检验方法(“Likelihood-Ratio Deviance”与“Finney's Classical Chi-Square”)及自动极端响应诊断提示

 

新增内容

定量反应法新增了第二种可选的方式来计算其三项有效性检验(Significance of Regression、Parallelism、Linearity),同时新增一条自动诊断提示,仅当数据中出现某种可能导致默认计算在数值上不稳定的特定情形时才会出现。相对效价的点估计及其置信区间不受这两项新增功能的影响——二者都只涉及有效性检验,以及用户对检验结果的可信程度。

法规与统计背景

当记录的结果是比率时,例如每个剂量下出现响应的受试对象所占比例,而非连续测量值,应使用定量反应检定。拟合一个模型(通常为 probit 或 logit)来联系对数剂量与响应概率,在报告效价之前,还须进行与其他生物检定方法相同的三项有效性检查(回归显著性、平行性、线性)。

计算这三项有效性检验,存在两种各自独立且均有效的统计方法。现代默认方法通过最大似然法拟合一系列嵌套广义线性模型,并以似然比偏差检验对其进行比较。经典替代方法由 D.J. Finney 在《Statistical Method in Biological Assay》中完整阐述(这一整套生物检定工具均遵循该基础性文献),它改用基于线性化“工作”变量的最小卡方法。符合欧洲药典(Ph. Eur.)第 5.3 章“Statistical Analysis of Results of Biological Assays and Tests”的商业软件通常采用后者。

数学原理

偏差法(本工具现有的默认方法)。通过最大似然法拟合一个完全饱和模型——每个制剂/剂量组各有一个自由参数——同时拟合逐步受到更多限制的嵌套模型(各制剂共用斜率;完全合并的单一直线)。每项有效性检验都是其中两个嵌套模型之间的似然比偏差差值:

偏差差值 = -2 x(较简单模型的对数似然 - 较一般模型的对数似然)

该差值与卡方分布比较,自由度等于两个模型拟合参数个数之差。这是标准的现代最大似然法,但它依赖于完全饱和模型对每一个组都收敛到有限估计值;只要某组的观测响应率恰为 0% 或 100%,这一点就无法成立,因为在 probit 或 logit 模型下,没有任何有限的参数值能再现这一结果(统计学家称这种情形为“完全分离”)。

Finney 经典最小卡方法(新选项)。该方法不拟合饱和模型,而是从已收敛的共同斜率模型出发,为每个剂量组计算一个“工作”probit 或 logit 值——即拟合的线性预测值,加上一个校正项进行调整;该校正项与观测响应比例和模型预测比例之差成正比,并以该点处预期二项方差的倒数加权:

工作变量(每组)= 拟合的线性预测值 +(观测比例 - 拟合比例)/(连接函数的局部斜率)

权重(每组)= 组大小 x(连接函数的局部斜率)^2 /(拟合比例 x (1 - 拟合比例))

然后对这些工作变量(而非原始比例)进行普通加权最小二乘回归和序贯方差分析,得到回归、非平行性和非线性的卡方统计量;整个过程无需单独估计任何一个组自身的参数,因此 0% 或 100% 的组绝不会导致非有限的拟合结果。

原理:为何有两种惯例,各自何时使用

对于表现良好的数据,两种方法渐近等价;只要每个剂量组的观测响应率都远离 0% 和 100%,实际得到的卡方统计量几乎相同。因此,选用哪种方法取决于数据,而不是个人偏好:当某个剂量组恰好出现真正极端的观测比例时(这在剂量-响应曲线的两端是常见且不足为奇的现象,样本组较小时尤其如此),偏差法的有效性统计量可能变得不稳定或被夸大,而 Finney 法由于从不要求单独拟合该极端组自身的参数,在数值上依然表现良好。

为了让用户无需理解其中的数值问题也能据此采取行动,本工具现在还会直接检查原始数据中是否存在这一情形(即任一剂量组中出现响应的数量恰为零,或恰好等于受试数量),一旦发现,且所选为偏差法,就会显示一条自动提示,说明风险并建议使用 Finney 卡方法。Finney 法不受此情形影响,因此选用该方法时不会显示该提示。这一检测有意基于观测比例本身,而不是基于底层计算可能触发也可能不触发的数值警告,因为更宽泛的一类技术警告即使在不存在极端组的表现良好的数据上也可能触发,那样就成了误报。

只要出现该提示,建议选择 Finney 法;当需要使有效性检验统计量与默认采用该方法的、符合 EP 5.3 的商业软件保持一致时,该方法同样有用。在不存在极端组的情况下,本工具现有的基于偏差的默认方法仍是完全有效的标准选择。

输出中哪些会变化,哪些不变

受影响:

  • 三项有效性检验(Significance of Regression、Parallelism、Linearity)的 Chi-Square(或 F-value)和 P-value 列
  • 当任一剂量组的观测响应率恰为 0% 或 100% 时(所选为偏差法),出现一条新的自动诊断提示

不受影响:

  • 各供试制剂的相对效价估计值
  • 效价置信区间
  • 拟合的回归系数(斜率和截距)

在哪里找到此功能

在定量反应法工具的输入表单上,标有“Validity test method”的字段可在“Likelihood-ratio deviance (this tool's default)”与“Finney's classical minimum chi-square (EP 5.3 default)”之间选择。自动诊断提示一旦触发,会在所选为偏差法时与有效性结果一并显示在输出中。

qr-add-option-bioassay


对照已发表参考数据的验证

这两项新增功能均已对照 Finney 本人用来说明该方法的一个已发表的计算示例进行了检验——这是一项关于胰岛素效价的 probit 模型检定,以小鼠惊厥反应为指标,标准制剂有九个剂量水平,供试制剂有五个,数据取自 Finney 自己的教科书。标准制剂的最低剂量组(剂量 3.4,n=33)没有响应者——这是真正的 0% 观测,恰好就是新增自动提示所要检测的情形。

来源:D.J. Finney, "Statistical Method in Biological Assay," 3rd Edition (1978), Griffin, London,第 376 页的计算示例——转载自 Stegmann Systems 的 PLA 3.0 已发表示例报告(Document-2077,“D.J. Finney, p. 376... Insulin, Mouse convulsion - with Suitability tests”)

检验 / 指标

已发表值(Finney / PLA)

计算值(Finney 卡方法选项)

回归显著性(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

线性(卡方,df=10)

5.42085, p=0.86135

5.4208, p=0.8614

效价比(T:S)

0.66852

0.66852(如预期,不受此设置影响)

95% CI

0.55339 – 0.80406

0.5534 – 0.8041(如预期,不受此设置影响)

 

在同一数据集上启用默认(基于偏差的)方法时,本工具的自动诊断提示正确出现,指出标准制剂剂量 3.4 的组是风险来源,并建议使用 Finney 卡方法。选用 Finney 卡方法时,该提示正确地没有出现,因为该方法不受底层不稳定性的影响。另一项检查确认,在不含极端组、表现良好的数据集上不会出现该提示,排除了误报。

参考文献

  • 欧洲药典(Ph. Eur.),第 5.3 章——“Statistical Analysis of Results of Biological Assays and Tests”(第 5 版,2005 年及后续版本)。
  • 美国药典,通则 <111>——“Design and Analysis of Biological Assays”。
  • Finney, D.J.(1978)。“Statistical Method in Biological Assay”,第 3 版,Charles Griffin & Company,伦敦。计算示例与数据:第 376 页。
  • Stegmann Systems GmbH,PLA 3.0 已发表计算示例(Document-2077)—— https://www.bioassay.de/media/document/document-2077-o130_permanent_pla_307.pdf

常见问题

什么是定量反应生物检定?

当记录的结果是比率,例如每个剂量下出现响应的受试对象所占比例,而非连续测量值时,使用定量反应检定。probit 或 logit 模型将对数剂量与响应概率联系起来,在报告相对效价之前,检定必须通过回归显著性、平行性和线性的有效性检查。

当剂量组的响应率为 0% 或 100% 时,偏差法为何会失效?

偏差法拟合的是每个剂量组各有一个参数的饱和模型。当某组的观测响应恰为 0% 或 100% 时,在 probit 或 logit 模型下没有任何有限的参数能再现该结果,这种情形称为完全分离。此时有效性统计量可能变得不稳定或被夸大,而 Finney 法在数值上依然表现良好。

Finney 最小卡方法的原理是什么?

它从已收敛的共同斜率模型出发,为每个剂量组计算一个工作 probit 或 logit 值,并按观测比例与拟合比例之差进行调整,权重基于二项方差。对这些工作变量进行加权最小二乘回归,即可得到回归、非平行性和非线性的卡方统计量。

在 Zometric Statistical Software 中如何选择有效性检验方法?

在定量反应法的输入表单上,Validity test method 字段提供 Likelihood-ratio deviance(默认)或 Finney's classical minimum chi-square 两种选择。选用偏差法时,自动提示会标出响应数为零或全部受试对象均有响应的剂量组;此时,或需要与符合 EP 5.3 的软件保持一致时,请选择 Finney 法。相对效价及其置信区间不受影响。