3期肿瘤试验中生存终点的预期与观察到的效应量

III期肿瘤学临床试验的失败率很高，超过一半的试验未能达到预期的主要终点，无法支持药物的监管批准或改变标准治疗方案。这个高失败率经常被归因于早期阶段（I期和II期）设计的不足，包括剂量选择不当、替代终点未验证以及缺乏基于生物标志物的药物开发指导。然而，导致III期试验失败率高的另一个可能因素是标准样本量规划方法的问题。

在III期临床试验中，样本量的确定通常基于预期治疗效应的估算、I类错误率（例如α=0.05）以及所需的统计功效。统计功效指的是在真实治疗效应不为零的情况下，拒绝零假设（即发现统计显著的治疗效应）的概率。然而，由于真实治疗效应未知，样本量的计算通常依赖于类似治疗方案或患者人群的II期或III期试验的点估计值。问题在于，点估计只是一个估算值，估算值与真实效应之间存在采样变异性，且即使假设的治疗效应与真实值完全一致，观察到的治疗效应估计值也会在50%的时间里小于真实值。因此，这种方法可能会低估所需样本量，从而导致试验缺乏足够的功效。

为了解决这个问题，文章对2023年在十大医学期刊中发布的III期肿瘤学试验进行了系统回顾。研究中涉及的期刊包括《癌症年鉴》（Annals of Oncology）、《英国医学杂志》（British Medical Journal）、《美国医学会杂志》（JAMA）、《JAMA肿瘤学》（JAMA Oncology）、《临床肿瘤学杂志》（Journal of Clinical Oncology）、《美国国家癌症研究院杂志》（JNCI）、《柳叶刀》（Lancet）、《柳叶刀肿瘤学》（Lancet Oncology）、《自然医学》（Nature Medicine）和《新英格兰医学杂志》（New England Journal of Medicine）。研究者使用了期刊网站嵌入的搜索引擎，通过检索包含“phase 3”或“phase III”关键词的文章，筛选出2023年发布的关于III期肿瘤学试验的研究。最终，从609篇相关文献中筛选出了111篇符合条件的文章。

这111篇研究中，涵盖了143个主要或共同主要的生存终点，其中大部分为无进展生存期（PFS，65/143，占45.5%）或整体生存（OS，54/143，占37.8%）。这些试验的结果显示，其中57.3%（82/143）报告了比预期弱的效应量。这一结果表明，III期试验中预期的效应量通常高估了治疗的实际效应。

在这些研究中，整体生存（OS）和无进展生存期（PFS）的效应量也呈现了类似的趋势。具体来说，对于OS终点，有63.0%的试验报告了比预期更弱的效应量，而PFS终点则为50.8%。在期刊的影响因子较高（58.7-98.4）的期刊中，发表的试验大多为正向结果（93.8%），因此其效应量弱于预期的比例较低（39.0%）。相反，影响因子较低（9.9-56.7）的期刊中，弱于预期的效应量比例更高，达到70.2%。

研究表明，肿瘤学III期临床试验中的效应量高估现象可能与研究人员对效应量的选择过于乐观有关。通常，由于早期试验的数据限制或实际条件的制约，研究者可能会选择较为乐观的效应量来进行功效分析。过高的效应量估算会导致样本量的低估，从而使得试验的统计功效不足，增加失败的风险。

为了避免过度高估效应量带来的问题，建议采用基于效应量置信区间（CI）下限的样本量计算方法，而不是仅依赖点估计值。通过使用置信区间的下限值进行样本量计算，可以增加试验达到所需功效的可能性。然而，这种方法通常需要更大的样本量，这会导致试验成本增加，患者招募时间延长，从而推迟新治疗方法的可用性。

此外，研究者在设计试验时应考虑最低临床有意义效应（MCID），并与临床医生和患者合作，确定针对患者群体和治疗方案的最小临床有意义效应值。这种做法有助于减少不必要的试验设计和数据收集，提高试验的实际意义。

总之，III期肿瘤学试验中的高失败率与不充分的功效计算和过高的效应量估计密切相关。为了减少因样本量低估而导致的试验失败，研究者应当更加谨慎地选择效应量估算，并通过基于置信区间的样本量计算方法来提高试验的功效。此外，在试验设计时应考虑临床有意义的效应量，以确保试验能够真实反映治疗效果，并提供有价值的临床数据。

总体来说，改善样本量规划和效应量选择将有助于降低III期肿瘤学临床试验的失败率，提高新治疗方法的研究成功率。这些改进措施可能对未来肿瘤学临床试验的设计和执行产生深远的影响。