Problemet med den tabellen är att den anger det mest sannolika eventantalet i SoC-armen för ett givet HR, inte det lägsta eventantal som med övertygande säkerhet ger som mest ett visst HR
Korrekt,
Det som er det interessante er når man kombinerer info i plottet for CM067 hvor vi ser at sannsynligheten for 42 events ved årsskiftet er ca 90 %, med Ketilaaj sitt plott hvor han viser sammenhengen mellom HR med p verdi for 42 events ved totalt 65 events. HR verdi er her på ca 0.45, med p-verdi 0.0058!
Det ville jo mildt sagt være et bra resultat ikke sant!
3 Likes
Grafen är inte eventbaserad. Sannolikheten är INTE 90% för 42 events vid årsskiftet.
För övrigt, husk småpratstråden! Jag kommer inte svara något mer i denna tråd.
Hva mener du sannsynligheten er ved årsskiftet da? Hvor mange events i kontrollarm og hvilken sannsynlighet?
2 Likes
Legger både doktorgraden til Espen Basmo Ellingsen og den nye artikkelen fra ham, Sara og kollegene hennes fra Uppsala Universitet her i fundamentaltråden
https://www.sciencedirect.com/science/article/pii/S1567576923015527
Jeg tror det er riktig å si at det er kollegene til Sara som har nerdet den helt ut i denne artikkelen. Det man har gjort er å ta dataene fra den tidlige NSCLC-studien og den første MM-studien med kun ipi og laget en matematisk modell som beskriver sammenhengen mellom immunresponsene, klinisk respons og overlevelse. Og så har man kjørt simuleringer av denne modellen hvor man har tweaket variablene, som f.eks. antall doseringer og lært noe nytt. Konklusjonen tolker jeg til å være at Jens sin metafor om at “en fyrstikk er nok, så lenge veden er tørr” (immunresponsen er tilstrekkelig ved 300μg), men man kan forbedre effekten med flere doser senere enn det som ble gjort i disse studiene.
32 Likes
Så det ikke går tapt i småprat ^
Open Access er fine greier, publiseres i International Immunopharmacology
Volume 126, 5 January 2024, 111225
34 Likes
Dette innlegget ble rapportert og er midlertidig skjult.
1 Like
Dette innlegget ble rapportert og er midlertidig skjult.
Dette innlegget ble rapportert og er midlertidig skjult.
Hva er bakgrunnen for UV1?
Hva var rasjonalet til oppfinnerne bak første generasjon GV1001 og andregenerasjon UV1?
Hvorfor er det tungtveiende argumenter for at UV1 vil gi signifikante, positive data?
Denne presentasjonen fra 2011 gir svaret på disse spørsmålene og burde være obligatorisk lesning på ULTI-pensum. Her tatt ut i bildeform som en liten public service.
49 Likes
Det har blitt snakket mye om KM-plottene i NIPU og lite om responsratene. Det er jo et resultat av at Helland ikke ville annonsere detaljer om dette på ESMO, men heller ville spare det til artikkelen som sannsynligvis kommer en gang over jul. Det eneste vi vet foreløpig er at responsraten (altså bedømt av sentral vurdering) var 16% i kontrollarmen og 31% i eksperimentell arm. En del pasienter går bort før man får en radiologisk undersøkelse som ev. kan bekrefte respons. Derfor er disse prosentene regnet ut fra mindre tall enn 59 i hver arm. 9 av 56 blir ganske nøyaktig 16% og 18 av 58 blir ganske nøyaktig 31%. Det neste alternativet ned i antall respondere som gir tilsvarende prosenter er bare 50 evaluerte i kontroll og 55 evaluerte i eksperimentell. Jeg tror mest på det første, og i så fall: Hva er sannsynligheten for at man skulle få disse responsratene tilfeldig dersom UV1 ikke hadde effekt?
En Chi-Square test av de tallene gir en p-verdi på 0.0602
Mens det er 9,85% sannsynlig (foreløpig!) at UV1 sin positive effekt på overlevelse er tilfeldig, så er det bare 6,02% sannsynlig at UV1 sin positive effekt på å redusere målbare svulster i pasientene er tilfeldig. Det er veldig nærme fase 3-statistikk.
51 Likes
Greit at dette intervjuet er linket her også så det ikke umiddelbart forsvinner fra småprattråden:
Edison er jo betalt av Ultimacs som sikkert de fleste vet, men innholdet til CMO står seg jo uansett.
20 Likes
Veldig bra og oppklarende intervju, men det er noe jeg reagerer på:
“When you do have the results in your trial, and you observe a hazard ratio of 0.70 for example. Then the question is how sure can you be about this. In a phase II you most likely will have an alpha of around 0.1, a one sided alpha of 0.1 and power of 80 in the study. That means that the observed number of 0.70. What you see is 80% likely that is due to biology - so it’s 20% chance that this was just random. And a 20% chance that you didn’t catch a biological effect of the vaccine. So it’s a 20% chance that the trial is negative even if the vaccine has a positive contribution.”
Dette blir jeg veldig forvirret av. Her blir det en blanding av design og observert resultat som gjør at han snakker som om det er en risiko for å faktisk begå type 1 og type 2 feil samtidig.
Først et eksempel så alle henger med:
Nullhypotese: Tiltalte er uskyldig.
Alternativ hypotese: Tiltalte er skyldig.
Type 1 feil: Feilaktig avvise nullhypotesen, altså konkludere med at tiltalte er skyldig selv om vedkommende ikke er det.
Type 2 feil: Feilaktig beholde nullhypotesen , altså konkludere med at tiltalte er uskyldig, selv om vedkommende er skyldig.
alpha er sannsynligheten for at effekt man avdekker er reell (eller skyldes biologi som Jens sier). En en-sidig alpha på 0.1 betyr at man i designet ignorerer den ene enden av halen (den under HR=0.60) og aksepterer en 10% risiko for å begå en type 1 feil, som i denne sammenhengen er å feilaktig konkludere med at UV1 har effekt. Å begå en type I feil risikerer man kun dersom man oppnår primærendepunktet og får en observert HR som er lavere enn 0.73.
power er sannsynlighet for å avdekke effekt som er reell. 1 minus power (20%) er lik risikoen man aksepterer i designet for å begå en type 2 feil, som i denne sammenhengen er å feilaktig konkludere med at UV1 ikke har effekt. Man risikerer kun å begå en type 2 feil dersom man ikke oppnår primærendepunktet og får en observert HR som er høyere enn 0.73.
Så i Bjørheims eksempel hvor man faktisk har en observert HR på 0.70, så er det ikke relevant å snakke om “20% chance that the trial is negative even if the vaccine has a positive contribution”, for det er nettopp ikke hva man i så fall vil konkludere med. I Bjørheims eksempel vil man konkludere med at vaksinen har en effekt. Og da er det bare en type 1 feil man risikerer å begå. Og risikoen for dette er maksimum 10% rett under 0,73 - hvor den jo nettopp havnet i NIPU. Man bryr seg altså bare om den enden av halen som ligger over 1.0. Om den sanne HR ligger i halen på nedsiden , så betyr det i så fall at UV1 har enda bedre effekt enn det intervallet man er 80% sikker på. Den en-sidige p-verdien av resultatet er rett og slett det samme som sannsynligheten for å begå en type 1-feil. Derfor mener jeg det er direkte feil når Bjørheim sier “What you see is 80% likely that is due to biology” - det er 90%
Edit: Etter å ha tenkt litt, det er nok ikke direkte feil å si “What you see is 80% likely that is due to biology - so it’s 20% chance that this was just random”, det er bare litt misvisende. Et resultatet i den nedre enden av halen vil også være tilfeldig og utenfor hva som er “due to biology”. Men det betyr likefullt at man bare har en 10% sannsynlighet for å begå en type 1 feil og at man kan være 90% sikker på at UV1 faktisk har effekt.
Edit 2: Bjørheim bekreftet nå pr. mail at han er enig i dette.
55 Likes
Ultimovacs Announces Completion of Exploratory Phase I TENDU Study of TET Vaccine Technology Platform Meeting the Primary Endpoint
64 Likes
(Bare legger denne her også så den er lettere å finne)
16 Likes
@Bulldre la ut denne på småprat. Syns den også hører hjemme her.
Tillater meg å lime inn et lite utdrag fra en lengre artikkel i lokalavisen i Molde med Bjørn Rune Gjelsten.
" Bidro med over 30 millioner kroner
Under behandlingen til pappa Per ble Gjelsten spurt om å ta et møte med ledelsen hos radiumhospitalet.
– De ønsket å presentere en del spennende prosjekt for meg, med tanke på om jeg kanskje hadde noe å bidra med. Jeg ønsket det, men ga beskjed om at jeg ønsket å få presentert det prosjektet de hadde aller mest tro på. Da kom de med prosjektet UV1-vaksinen, som var en videreutvikling av immunologi og immunbehandling. En klar videreutvikling av behandlingen pappa fikk. Det hadde blitt jobbet med i 25 år, og det hadde blitt brukt store ressurser, men det manglet kapital til en formell studie som ville kunne bevise effekten og eventuelle bieffekter, sier Gjelsten.
Gjelsten finansierte studien, som kostet noe over 30 millioner kroner.
– For meg ble det vanskelig å ikke støtte fase 1b-studien, siden jeg var emosjonelt involvert allerede. Jeg insisterte på at studien måtte inkludere prostatakreft. Det var to kreftformer i studien, småcellet lungekreft og prostatakreft. Studien hadde fantastiske resultater. I alt 42 pasienter var med på studiene, og 29 av pasientene fikk ønsket respons. Det betyr ikke at pasientene ble helt friske, men flere av dem lever fortsatt. Det var sterkt for meg, sier Gjelsten.
– Siden har jeg brukt mye mer tid og ressurser på kreftsaken. I dag er Ultimovacs børsnotert på Oslo børs. Det gjennomføres seks internasjonale studier, og vi har nesten 700 pasienter i testgruppene fra hele verden, med ulike former av kreft, sier Gjelsten.
Andre profilerte nordmenn har også vært med på utviklingen av Ultimovacs. Blant dem Stein Erik Hagen, som sammen med Bjørn Rune Gjelsten har væt blant de største eierne i selskapet.
Blant annet forskes det på effekten til duobehandling, som er tradisjonell kreftbehandling og den moderne utgaven av immunbehandlingen i ett.
– Studiene har pågått i noen år, og det i seg selv er positivt. Fordi en studie blir stoppet dersom et gitt antall av pasientene dør, eller får et forverret sykdomsbildet sitt. Nå er studiene ett år på overtid. At det er en effekt må bevises, og alt dette får vi svar på våren 2024, forklarer Gjelsten."
God Jul.
25 Likes