定量检测试剂临床试验的数据统计策略
国家药品监督管理局医疗器械技术审评中心近日发布了《如何统计体外诊断试剂定量检测产品临床试验数据》的共性问题解答：
对于定量检测产品，其临床试验结果应依据产品的检测性能选择回归分析等适宜的统计分析方法，在合理的置信区间，考察两种试剂结果是否呈显著相关性，定量值结果是否存在显著统计学差异。如有可能，建议应考虑到在不同的样本浓度区间试剂的性能可能存在的差异，对总体浓度范围进行区间分层统计，对不同浓度区间内的结果进行相关性分析以更好的验证两种试剂的相关性。
我们来对其进行解读：
对于定量体外诊断（IVD）试剂，临床试验产生的大量数据本身并不能直接证明产品的性能，必须通过科学、严谨的统计学方法进行处理和分析，才能得出具有说服力的结论。在医疗器械注册申报中，提交一份逻辑清晰、方法得当的统计分析报告，是临床试验资料审评的重中之重。
核心统计方法：回归分析与差异评估
定量产品的临床试验，其本质是将申报试剂（试验组）的检测结果与一个公认的、已上市的同类产品或“金标准”方法（对照组）的结果进行比较。
相关性分析
相关性分析旨在回答“两种方法检测结果的变化趋势是否一致”。通常会采用回归分析（如线性回归、Deming回归等）等统计方法，考察两者在设定的置信区间内是否存在显著的线性相关关系。一个高的相关系数（r值）是证明两者具有良好一致性的基础。
差异与偏倚评估
高相关性不完全等同于结果一致。例如，两种方法可能相关性很好，但检测结果始终存在一个固定的系统性偏差（Bias）。因此，还必须采用适宜的统计方法（如配对t检验、Bland-Altman分析等），对两种方法检测结果的定量值是否存在显著的统计学差异进行评估，以判断两者的一致性程度。
进阶策略：浓度区间分层统计
一份高质量的定量检测试剂临床试验统计报告，不应满足于对总体数据的一个笼统分析。因为试剂的检测性能，在不同的样本浓度区间（例如，低值、正常值、高值区间）可能存在差异。一个总体的相关性分析，可能会掩盖其在某个关键浓度区间的性能偏移。
分层统计的实践
为了更全面、更精细地验证产品的临床性能，强烈建议采用“浓度区间分层统计”的策略。具体做法是：
- 根据产品的临床预期用途和医学决定水平，将样本的总体浓度范围划分为几个有临床意义的区间（例如，低于正常参考范围、正常范围内、高于正常参考范围）。
- 对落入每个浓度区间内的样本数据，独立进行一次回归分析和相关性分析。
分层统计的价值
通过分层统计，可以清晰地展示产品在低、中、高不同浓度水平下的性能表现，向审评机构证明产品在整个声称的检测范围内都具有良好且稳定的一致性。这种精细化的数据分析，能够极大地增强医疗器械临床评价报告的说服力，是体现产品高质量验证水平的关键一步。
钦思咨询数据分析建议
总结而言，定量检测试剂临床试验的数据统计，应是一套组合拳。它既需要通过回归分析等方法对总体数据进行相关性和一致性评价，也强烈推荐通过浓度分层的高阶分析，来提供更细致、更全面的性能证据。一份逻辑严谨、论证充分的统计报告，将为产品的顺利获批奠定坚实的数据基础。