非劣效、等效性、优效性
非劣效性、等效性临床试验(优选内容)
优效性试验（superiority）—显示优效性的设计通过安慰剂对照试验显示优于安慰剂或优于阳性药，或由剂量反应关系证实疗效是最可信的。
此类试验称为优效性试验。
非劣效性（non-inferiority）—试验/等效性(equivalence)试验—显示非劣效性或等效性的设计，以阳性药物为对照，试验的目标是显示试验药物的疗效与某种已知的阳性药物“不差”或“相当”，分别称为非劣效性试验和等效性试验稳定性假设（constancy assumption）—指阳性对照药物在既往研究（对安慰剂）中的效应量在当前的非劣效性或等效性试验保持不变。
检测灵敏度（assay sensitivity）—分辨某种治疗与较差的治疗或无效的治疗之间差别的能力，对优效性试验、非劣效性试验与等效性试验具有不同的意义。
优效性试验如果是成功的，即试验显示出试验药与安慰剂之间的差别，则检验灵敏度自然成立；对非劣效性和等效性试验而言，如果阳性药没有检测灵敏度，一个无效的试验药可能会因为非劣效性而错误地确认其疗效。
{无效药如何得出非劣效性}一、非劣效性/等效性试验中的样本含量估计（一）决定非劣效性/等效性试验样本含量估计的要素1. 非劣效性（non-inferiority）/等效性(equivalence)界值从临床意义上确认药物的疗效，需要事先确认评价的界值。
在优效性试验中，界值指试验药和对照药之间相差的临床上认可的最小值。
在非劣效性试验中指临床上可接受的最大值。
对非劣效性和等效性试验，它必须小于阳性对照药与安慰剂比较时的效应差值（如果已知，可取去1/3或1/2）。
界值的确定需要由主要研究者从临床意义上和统计学专业人员才统计学意义上共同商定，而不是单独依赖于主要研究者或统计学专业人员。
优效性试验和非劣效性试验仅用一个界值，用δ0表示；而等效性试验要用劣侧和优侧两个界值，分别用δ01和δ02表示，理论上两侧界值可以取不等距，但实际上有一般取等距。
优效性等效性非劣性研究的区别
优效性等效性非劣性研究的区别This model paper was revised by the Standardization Office on December 10, 2020我们进行临床试验的目的是检验药物（治疗）的效果，而效果往往是需要一个参照药物（治疗）的。
在临床试验中，研究参与人员往往对优效、等效、非劣效这三个概念不是很清晰，甚至对混用，尤其是在根据统计分析结果来推导结论时。
优效性研究假设如下：H0 （无效假设，Null Hypothesis）：研究药物疗效—对照药物疗效<优效标准H1 （备择假设，Alternative Hypothesis）：研究药物疗效—对照药物疗效=>优效标准当拒绝H0时，统计结论是可以认为研究药物疗效优于对照药物；当不能拒绝H0时，统计结论是不可以认为研究药物疗效优于对照药物。
非劣效性研究假设如下：H0 （无效假设，Null Hypothesis）：研究药物疗效—对照药物疗效<非劣效标准H1 （备择假设，Alternative Hypothesis）：研究药物疗效—对照药物疗效=>非劣效标准当拒绝H0时，统计结论是可以认为研究药物疗效不劣于对照药物；当不能拒绝H0时，统计结论是不可以认为研究药物疗效不劣于对照药物。
等效性研究假设如下：H0 （无效假设，Null Hypothesis）： |研究药物疗效-对照药物疗效|>等效标准H1 （备择假设，Alternative Hypothesis）： |研究药物疗效-对照药物疗效|<=等效标准当拒绝H0时，统计结论是可以认为研究药物疗效与对照药物等效；当不能拒绝H0时，统计结论是不可以认为研究药物疗效与对照药物等效。
而我们做的比较多是非等效研究，即当等效标准为0时，与等效性研究假设相反的研究。
假设如下：H0（无效假设，Null Hypothesis）： |研究药物疗效-对照药物疗效|<=等效标准=0H1 （备择假设，Alternative Hypothesis）： |研究药物疗效-对照药物疗效|>等效标准=0当拒绝H0时，统计结论是可以认为研究药物疗效与对照药物不等效；当不能拒绝H0时，统计结论是不可以认为研究药物疗效与对照药物不等效（但不是等效）。
非劣效等效性优效性修订稿
非劣效等效性优效性集团文件发布号：（9816-UATWW-MWUB-WUNN-INNUL-DQQTY-非劣效、等效和优效性检验及其适用范围摘要：在对国内临床研究报告的审评中我们经常遇到以传统的显着性检验代替非劣效等设计的检验的情况，下文探讨了二者的区别及适用范围。
关键词：非劣效试验等效性试验优效性试验一、传统检验和区间检验药品的临床试验一般要求设计为随机、盲法和对照药物比较的研究，以判断和区别其实际的疗效如何，审评中我们常见到的错误是采用如下传统的假设检验：无效假设H0:A药的疗效-B药的疗效＝0 备择假设H1：A药的疗效≠B药的疗效结论：如P>0.05,按α＝0.05的检验水准不能拒绝H0假设，如P≤0.05，则接受H1假设。
目前已经公认这种传统的假设检验（又称显着性检验）用于临床试验判断药物的疗效是不合理的，它不能准确区分两药疗效差异的方向性和体现差异大小所揭示的临床实际意义，因此国际普遍采用非劣效、等效或优效性假设检验。
传统的假设检验之所以不合理，在于两个方面,一方面它所推断的是两个总体均数在统计学是否不相等，是纯粹的统计学意义，而未体现实际的临床意义，虽然有单双侧之分,如单侧为H0:μ1-μ2=0,H1:μ1-μ2>0(或μ1-μ2<0),但它检验的依然是样本所代表的总体均数的统计学含义，而未将实际临床意义包含进来考虑。
另一方面，对于传统检验的结论，如P>0.05,表示两药疗效的差别无统计学意义,不拒绝H0假设，说明现有数据尚无法对两药疗效的总体均数是否不等的判断下结论，并不是当然的接受H0假设，并非认为H0假设必然成立而两药疗效的总体均数一定相等，此时有可能两药疗效的总体均数确实相似，也有可能是检验效能（把握度）不够，尚需更大样本量进行检验；如P≤0.05，两药疗效的差别有统计学意义,也就是说，两药疗效的总体均数确实不相等，但这种统计学意义的差异不一定具有实际的临床意义，也可能其临床意义却是优效、等效或非劣效的。
优效性等效性非劣性研究的区别
优效性等效性非劣性研究的区别标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]我们进行临床试验的目的是检验药物（治疗）的效果，而效果往往是需要一个参照药物（治疗）的。
在临床试验中，研究参与人员往往对优效、等效、非劣效这三个概念不是很清晰，甚至对混用，尤其是在根据统计分析结果来推导结论时。
优效性研究假设如下：H0 （无效假设，Null Hypothesis）：研究药物疗效—对照药物疗效<优效标准H1 （备择假设，Alternative Hypothesis）：研究药物疗效—对照药物疗效=>优效标准当拒绝H0时，统计结论是可以认为研究药物疗效优于对照药物；当不能拒绝H0时，统计结论是不可以认为研究药物疗效优于对照药物。
非劣效性研究假设如下：H0 （无效假设，Null Hypothesis）：研究药物疗效—对照药物疗效<非劣效标准H1 （备择假设，Alternative Hypothesis）：研究药物疗效—对照药物疗效=>非劣效标准当拒绝H0时，统计结论是可以认为研究药物疗效不劣于对照药物；当不能拒绝H0时，统计结论是不可以认为研究药物疗效不劣于对照药物。
等效性研究假设如下：H0 （无效假设，Null Hypothesis）： |研究药物疗效-对照药物疗效|>等效标准H1 （备择假设，Alternative Hypothesis）： |研究药物疗效-对照药物疗效|<=等效标准当拒绝H0时，统计结论是可以认为研究药物疗效与对照药物等效；当不能拒绝H0时，统计结论是不可以认为研究药物疗效与对照药物等效。
而我们做的比较多是非等效研究，即当等效标准为0时，与等效性研究假设相反的研究。
假设如下：H0（无效假设，Null Hypothesis）： |研究药物疗效-对照药物疗效|<=等效标准=0H1 （备择假设，Alternative Hypothesis）： |研究药物疗效-对照药物疗效|>等效标准=0当拒绝H0时，统计结论是可以认为研究药物疗效与对照药物不等效；当不能拒绝H0时，统计结论是不可以认为研究药物疗效与对照药物不等效（但不是等效）。
差异性、优效性、等效性和非劣效性检验的区别
差异性、优效性、等效性和非劣效性检验的区别在临床研究工作中，我想大部分临床研究者都听说过优效性、等效性和非劣效性检验等，有很多人也很明白，但也有人尚不太清楚它们之间的区别，本期我们将和大家一起来讨论这一问题。
1、什么是差异性检验差异性检验，大家天天都在用，其实大家的论文里大部分用的都是差异性检验。
比如独立样本t检验，两个可选的假设分别是A=B和A≠B。
这就是差异性检验，或者叫不等的检验，意思就是A和B两组有差异、不相等。
什么意思呢就是检验A-B=0这一公式成立与否。
比如同一批病人，我们随机分成A和B组，然后检验A组和B组患者血红蛋白水平的高低，这就是差异性检验。
即A组和B组之间有差异，什么叫有差异，就是两组间的差异不等于0。
跟上述内容相反的是，当我们将A组和B组之间的差异跟一个既定的值（Δ）比较时，就产生了一系列的检验，如优效性、等效性和非劣效性检验。
下面这个图可以先看一下：2、什么是优效性、等效性和非劣效性检验上述三种检验在临床药物试验中应用最多，当我们研制一种新药物的时候我们总是盼着新药的疗效比较好，或者跟旧药差不多。
我想没有人会盼着研制的新药的疗效差于旧的药物，那么还研制它干嘛啊。
基于上述三种情况，就提出了三个用于新药临床试验的检验思路，分别是优效性、等效性和非劣效性检验。
下面分别说明，先假设一个例子，某研究者要研究A药与B药的关系，他能够接受的差值是Δ。
，优效性检验研究目的：A药的效果好于B药。
研究假设：（1）无效假设：A-B≤Δ；（2）备择假设：A-B＞Δ。
备注：用来证实新药A的效果好于旧药B，来判断新药A上市的情况。
它是一个单侧的检验。
等效性检验研究目的：A药的效果等于B药。
研究假设：（1）无效假设：A-B≤-Δ或A-B≥Δ；（2）备择假设：-Δ＜A-B ＜Δ。
备注：常用于同一活性成分的药物之间的疗效比较，证实的是A药和B药的疗效相当。
它可以是单侧也可以是双侧的检验。
非劣效性检验研究目的：A药的效果不差于于B药。
差异性优效性等效性和非劣效性检验的区别
差异性、优效性、等效性和非劣效性检验的区别在临床研究工作中，我想大部分临床研究者都听说过优效性、等效性和非劣 效性检验等，有很多人也很明白，但也有人尚不太清楚它们之间的区别， 本期我 们将和大家一起来讨论这一问题。
1什么是差异性检验?差异性检验，大家天天都在用，其实大家的论文里大部分用的都是差异性检 验。
比如独立样本t 检验，两个可选的假设分别是 A=B 和心B 。
这就是差异性 检验，或者叫不等的检验，意思就是 A 和B 两组有差异、不相等。
什么意思呢？ 就是检验A-B=0这一公式成立与否。
比如同一批病人，我们随机分成 A 和B 组，然后检验A 组和B 组患者血红蛋 白水平的高低，这就是差异性检验。
即 A 组和B 组之间有差异，什么叫有差异， 就是两组间的差异不等于00跟上述内容相反的是，当我们将A 组和B 组之间的差异跟一个既定的值（△） 比较时，就产生了一系列的检验，如优效性、等效性和非劣效性检验。
下面这个图可以先看一下：2、什么是优效性、等效性和非劣效性检验?差畀性检验上述三种检验在临床药物试验中应用最多，当我们研制一种新药物的时候我们总是盼着新药的疗效比较好，或者跟旧药差不多。
我想没有人会盼着研制的新药的疗效差于旧的药物，那么还研制它干嘛啊。
基于上述三种情况，就提出了三个用于新药临床试验的检验思路，分别是优效性、等效性和非劣效性检验。
下面分别说明，先假设一个例子，某研究者要研究A 药与B药的关系，他能够接受的差值是2.1 优效性检验研究目的：A药的效果好于B药。
研究假设：(1)无效假设：A-B< A ;(2)备择假设：A-B>4。
备注：用来证实新药A的效果好于旧药B,来判断新药A上市的情况。
它是一个单侧的检验。
2.2 等效性检验研究目的：A药的效果等于B药。
研究假设：(1)无效假设：A-B W - △或A-B> A ; (2)备择假设：-Av A-B v A。
备注：常用于同一活性成分的药物之间的疗效比较，证实的是A药和B药的疗效相当。
劣效、等效和优效性 检验 及其适用 范围
劣效、等效和优效性检验及其适用范围劣效、等效和优效性检验及其适用范围劣效、等效和优效性检验及其适用范围审评四部审评八室黄钦摘要:在对国内临床研究报告的审评中我们经常遇到以传统的显著性检验代替非劣效等设计的检验的情况，下文探讨了二者的区别及适用范围。
关键词:非劣效试验等效性试验优效性试验一、传统检验和区间检验药品的临床试验一般要求设计为随机、盲法和对照药物比较的研究，以判断和区别其实际的疗效如何，审评中我们常见到的错误是采用如下传统的假设检验: 无效假设H0:A药的疗效-B药的疗效=0备择假设H1:A药的疗效?B药的疗效结论:如P0.05,按α=0.05的检验水准不能拒绝H0假设，如P?0.05，则接受H1假设。
目前已经公认这种传统的假设检验(又称显著性检验)用于临床试验判断药物的疗效是不合理的，它不能准确区分两药疗效差异的方向性和体现差异大小所揭示的临床实际意义，因此国际普遍采用非劣效、等效或优效性假设检验。
传统的假设检验之所以不合理，在于两个方面,一方面它所推断的是两个总体均数在统计学是否不相等，是纯粹的统计学意义，而未体现实际的临床意义，虽然有单双侧之分,如单侧为H0:μ1-μ2=0,H1:μ1-μ20(或μ1-μ20),但它检验的依然是样本所代表的总体均数的统计学含义，而未将实际临床意义包含进来考虑。
另一方面，对于传统检验的结论，如P0.05,表示两药疗效的差别无统计学意义,不拒绝H0假设，说明现有数据尚无法对两药疗效的总体均数是否不等的判断下结论，并不是当然的接受H0假设，并非认为H0假设必然成立而两药疗效的总体均数一定相等，此时有可能两药疗效的总体均数确实相似，也有把握度)不够，尚需更大样本量进行检验;如P?0.05，两药疗可能是检验效能( 效的差别有统计学意义,也就是说，两药疗效的总体均数确实不相等，但这种统计学意义的差异不一定具有实际的临床意义，也可能其临床意义却是优效、等效或非劣效的。
临床非劣效性与等效性评价的统计学方法二
临床非劣效性与等效性评价的统计学方法二第一步:非劣效性评价单侧假设检验:z=（2+3)/1．03３=4．84>1.6４５（z０。
95），Ｐ＜0．05单侧95％可信区间下限：CL=2-１．645×1。
03３=0.301〉—3两种方法均显示，在抗高血压效果方面新药AII拮抗剂与标准药ＡCＥ抑制剂相比具有非劣效性.第二步：优效性评价单侧假设检验:ｚ=2/1.０33=１.936〉1。
6４5,Ｐ<０．05单侧95％可信区间下限：ＣL=０．30１〉0结果表明，新药AIＩ拮抗剂比标准药ACＥ抑制剂的抗高血压效果具有统计学意义优效性。
ＩCHE9指导原则中的建议［1]更保守些，若按α取0.025的标准判断，非劣效性评价的z＝4.８4〉１.９６(ｚ０.9７5）,P＜0.025,可下非劣效性结论。
但是，因优效性评价的z＝1。
9３6<1．96，Ｐ〉0．025，尚不能认为具有统计学优效性，更达不到临床意义上的优效性。
有一种情况值得注意，即求得的可信区间的下限大于－δ，但上限却比0小,管理当局比如美国的FDA可能仍然把试验药看作和标准药不等效，甚至比标准药还差，尽管非劣效性的标准已经达到了。
这一额外增加的标准之严格,似乎并不是从统计学意义上考虑的。
事实上，这对很高效地完成试验而出现了窄小的ＣＩ可能是不公正的。
４非劣效性/等效性试验样本含量估计及检验效能对服从正态分布的数据（定量指标)和服从二项分布的数据（率指标）分别介绍.4.1定量指标4．1．1非劣效性试验按照单侧的检验水准α，要求允许的二类误差概率不超过β,在T＝Ｓ的条件下,非劣效性试验每组需要的样本含量为:n=2［(Z1－α+z1-β)（s／δ）］2检验效能为:１-β＝Ф［δ(2s２／n)-１/２—ｚ1-α］式中s为两组的合并标准差.n为每组的样本含量。
Ф［x］代表标准正态分布下x左侧的概率Pr［X≤x］。
例3：上例继续。
若按非劣效性设计试验，假定,α=0.05,β=0。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
非劣效、等效和优效性检验及其适用范围
摘要：在对国内临床研究报告的审评中我们经常遇到以传统的显著性检验代替非劣效等设计的检验的情况，下文探讨了二者的区别及适用范围。
关键词：非劣效试验等效性试验优效性试验
一、传统检验和区间检验
药品的临床试验一般要求设计为随机、盲法和对照药物比较的研究，以判断和区别其实际的疗效如何，审评中我们常见到的错误是采用如下传统的假设检验：
无效假设H0: A药的疗效-B药的疗效＝0
备择假设H1：A药的疗效≠B药的疗效
结论：如P>0.05,按α＝0.05的检验水准不能拒绝H0假设，如P≤0.05，则接受H1假设。
目前已经公认这种传统的假设检验（又称显著性检验）用于临床试验判断药物的疗效是不合理的，它不能准确区分两药疗效差异的方向性和体现差异大小所揭示的临床实际意义，因此国际普遍采用非劣效、等效或优效性假设检验。
传统的假设检验之所以不合理，在于两个方面,一方面它所推断的是两个总体均数在统计学是否不相等，是纯粹的统计学意义，而
未体现实际的临床意义，虽然有单双侧之分,如单侧为H0:μ1-μ2=0,H1:μ1-μ2>0(或μ1-μ2<0),但它检验的依然是样本所代表的总体均数的统计学含义，而未将实际临床意义包含进来考虑。
另一方面，对于传统检验的结论，如P>0.05,表示两药疗效的差别无统计学意义, 不拒绝H0假设，说明现有数据尚无法对两药疗效的总体均数是否不等的判断下结论，并不是当然的接受H0假设，并非认为H0假设必然成立而两药疗效的总体均数一定相等，此时有可能两药疗效的总体均数确实相似，也有可能是检验效能（把握度）不够，尚需更大样本量进行检验；如P≤0.05，两药疗效的差别有统计学意义,也就是说，两药疗效的总体均数确实不相等，但这种统计学意义的差异不一定具有实际的临床意义，也可能其临床意义却是优效、等效或非劣效的。
因此，临床试验的统计学家们提出了区间假设检验的方法，提出以临床意义的差异Δ来进行假设检验，这就是非劣效、等效和优效性检验的概念和方法。
非劣效性试验指主要研究目的是显示对试验药的反应在临床意义上不差于（非劣于）对照药的试验(ICH－E9的定义) 。
如果治疗差异（A药的疗效-B药的疗效）>0，则试验药的疗效较好；治疗差异<0，则对照药疗效较好；如果我们允许A药疗效比B药疗效低一定范围,仍然认为两药疗效相当,即确定Δ表示临床意义上判断疗效不差所允许的最大差异值,则如果治疗差异>-Δ，便是试验药非劣效于对照药，此处的Δ称为非劣效试验的判断界值
（margin）。
非劣效试验的假设检验是
无效假设H0: A药的疗效-B药的疗效≤-Δ
备择假设H1：A药的疗效-B药的疗效>-Δ
结论：如P>0.025,按单侧α＝0.025的检验水准不能拒绝H0假设，即无法判断A药不差于B药；如P≤0.025，则接受H1假设，可以认为A药不差于B药。
等效性试验指主要研究目的是要显示两种或多种处理的反应间差异的大小在临床上并无重要性的试验，通常通过显示真正的差异在临床上可以接受的等效的上下界值之间来证实(ICH－E9的定义) 。
等效性试验的假设检验是
无效假设H0: A药的疗效-B药的疗效≤-Δ，或A药的疗效-B药的疗效≥Δ
备择假设H1：-Δ<A药的疗效-B药的疗效<Δ
结论：如P1>0.025 或P2>0.025，按2α＝0.05的检验水准不能拒绝H0假设，即无法判断A药等效于B药；如P1≤0.025且P2≤0.025，则接受H1假设，可以认为A药等效于B药。
优效性试验指主要研究目的是显示所研究的药物的反应优于对比制剂（阳性或安慰剂对照）的试验(ICH－E9的定义)。
优效性试验的假设检验是
无效假设H0: A药的疗效-B药的疗效≤Δ
备择假设H1：A药的疗效-B药的疗效>Δ
结论：如P>0.025,按单侧α＝0.025的检验水准不能拒绝H0假设，即无法判断A药优于B药；如P≤0.025，则接受H1假设，可以认为A药优于B药。
实际应用中，更多采用的是可信区间法检验，它是分析时最直接的方法，而且比假设检验提供更多的信息。
非劣效性试验中我们仅关注一个方向的可能差异，因此试验药与对照药的疗效差异的单侧97.5％（或双侧95％）可信区间应当完全在-Δ值的右侧，即其单侧97.5％（或双侧95％）可信区间的下限应该大于设定的判断界值-Δ，即[单侧97.5％CI (A-B)的下限] >-Δ（或[双侧95% CI (A-B)下限] >－Δ），类似道理，等效性试验中等效的结果应该是其95％可信区间范围包括在-Δ与Δ之间，即-Δ<[95% CI (A-B)] < Δ，而优效性试验的结果则应该是其单侧97.5％（或双侧95％）可信区间的下限大于Δ值，即[单侧97.5% CI (A-B)下限] >Δ（或[双侧95% CI (A-B)下限] >Δ）。
二、非劣效、等效和优效检验的适用范围
对于一个新研发的试验药，通常具有某方面的优势，如给药方便、耐受性较好，毒性较低或价格便宜等等，一般需要与安慰剂进行优效性试验以比较其真正的疗效和安全性，来判断其上市的利益风险。
如果当前已有曾经优效性试验证实的有效药物的话，还常常与其进行比较，并判定待验证药物的疗效至少不差于（非劣于）已有有效药物作为其上市的最低标准。
而等效性试验的应用多见于对同一活性
成分的生物等效性以及血浆无法测定时的临床等效验证。
非劣效性试验通常用于与已上市的有效药物或标准治疗方案进行比较以求能提供一个新的治疗选择，少数情况下当安慰剂对照不被允许或违反伦理时，用以间接证明试验药优于安慰剂。
我国的研发情况是自主创新药品较少，而仿制国外已上市药品占多数，对于国内尚未上市的药品，无论是创新药还是仿制药，如选安慰剂为对照则应证实其优效性，如选国内已上市的同一治疗领域的药物作为阳性对照药，则应至少验证其具有非劣效性。
与已上市药物相同活性成分的药品应进行生物等效性或临床等效性验证。