成功的药物开发取决于对产品组合、临床试验、市场营销等做出明智的决定。我们一直面临着决定是继续开发还是停止开发的挑战。为了支持这些决定，我们收集数据，通常是通过临床试验。我们分析这些临床试验的数据，然后用这些分析来建立模型，然后用这些模型来预测下一次试验可能发生的情况。从这些内部试验中收集的数据是“内部数据”或“专有数据”。
除了内部数据，外部数据还可以通过许多来源访问，包括在PubMed,食品药品监督管理局网站,ClinicalTrials.gov。使用外部数据来帮助决策是具有成本效益的，因为你的竞争对手已经为生成数据的研究支付了费用。但是，也许更重要的是，使用外部数据对关键决策是必要的。
结合多个研究的总体水平数据
公司很少分享个人层面的数据。但是，他们都发表了大部分总体水平的试验结果。meta分析是将多个研究的数据结合起来的统计方法。最好是对从系统搜索和选择的来源中收集的数据进行元分析，这些数据来自一个积极维护的数据库。这个完整的过程是一个系统的回顾或证据综合。
元分析导论
元分析需要数据聚合。这是什么意思？每个临床试验中都有一些患者。有些试验的受试者比其他试验多。每个试验中的每个受试者都会提供一个或多个关于药物作用的数据点。每位患者还将提供有关年龄、体重等协变量的信息。
聚合过程总结了这些数据。对于每一个试验，我们总结了药物效果和协变量。此外，我们在分析中更重视大试验而不是小试验。因此，我们给每个研究分配一个权重，通常基于方差的倒数。这意味着我们整合了试验的规模，试验对象的数量，以及试验的可变性。
当我们进行荟萃分析时，我们结合不同试验的统计数据来确定一个参数来描述这些试验的效果。还可以进行回归分析，以描述协变量(药物、剂量或人口统计学因素)如何影响药物效果。
元分析的历史语境
社会科学家吉恩·格拉斯（Gene Glass）在20世纪70年代中期引入了元分析这一术语。荟萃分析在社会科学中仍然大量使用，而不仅仅是在医学中。1904年，卡尔·皮尔森（Karl Pearson）是最早将先前为预防伤寒而进行的士兵接种分析的医学数据进行统计合并的人之一。
自20世纪90年代以来，荟萃分析已成为循证医学的基石。医学文献中的大多数荟萃分析都评估了批准药物的效果。在过去十年中，使用荟萃分析来支持药物开发决策越来越受欢迎。
药物开发中的荟萃分析类型
几种不同类型的荟萃分析被用于指导药物开发。使用最多的荟萃分析类型是成对荟萃分析，成对检查干预措施或试验武器。这种方法的优点是相对快速和简单。两两meta分析的主要缺点是它只考虑两两干预与对照的证据。因此，它不能对未经临床试验比较的药物进行间接比较。
网络荟萃分析结合了网络中的研究，并建立了一个统计框架，以支持间接比较可能未在临床试验中进行正面评价的药物。
基于模型的分析(MBMA)是网络元分析的延伸。MBMA将多个剂量和时间点的药物以及具有相同作用机制的多种药物的信息结合到一个统计框架中，该框架集成了模型中的模型。这个框架可以在不同的试验或不同的药物中“借用信息”。MBMA包括剂量和持续时间，并使用标准的药理学模型和假设。它可以包括剂量-反应模型的试验级协变量关系，以解释患者群体中试验之间的差异。它还允许我们同时模拟多个终点，并可能将生物标志物与临床结果联系起来。
像网络元分析一样，MBMA可以提供间接比较。然而，由于MBMA对单个药物或药物类别使用纵向剂量-反应模型，并在这些模型中纳入协变量效应，我们可以使用MBMA来评估新的情景和模拟临床试验成功的概率。
基于模型的元分析可以回答哪些问题？
MBMA可以回答与您的项目竞争环境、疾病/试验特性和药物特性相关的问题。你可能想知道某一治疗领域的主要比较药物或主要竞争药物。或者你可能想知道对于一个特定的终点有多少试验可用。
你也可以使用MBMA来了解疾病病理和在该适应症中进行的临床试验。这种方法可以揭示在人群、基线值和人口统计学方面的试验的主要协变量。此外，您还可以检查典型安慰剂效应和他们的可变性。你可以评估结果的异质性以及试验是如何进行的。
最后，MBMA可以提供同类或其他类药物的剂量反应和时间过程的竞争性情报。最终，这些模型可以帮助你区分和定位你的药物在现有和发展中的竞争对手。
虽然其中一些问题可以通过内部(专有)数据来回答，但大多数问题都需要外部数据。
带回家的消息
MBMA在一个正式的定量框架中结合了来自已发布来源的聚合级数据。这些聚合级数据通常来自PubMed、ClinicalTrials.gov、FDA网站和科学会议上发表的文章。
这种创新方法有助于回答药物开发中的关键问题。我们可以利用MBMA来预测第3阶段试验结果，包括之前未在试验中进行比较的药物的比较。可以对多个端点进行建模，甚至可以同时建模，并且可以在模拟中评估具有这些端点的多个场景。我们可以使用这些模拟来预测药物在头对头临床试验中优于或不低于竞争对手的概率。从MBMA中获得的见解可用于优化临床试验设计和营销/商业策略。
如果您有兴趣了解更多信息，请阅读我们撰写的关于MBMA的白皮书。
