Jeg har laget en utregning av det som diskuteres her i dag som jeg tror er så nøyaktig som det går an å lage den. Jeg hadde egentlig ikke tenkt til å dele de datoene man kan lese ut av denne modellen fordi det kan føre til kjipe bevegelser i aksjekursen. Og grunnen til det er at man i utgangspunktet og til samme kurs ikke vil eie aksjen i den perioden hvor en avlesning innebærer at UV1 viser dårlig effekt, mens man naturligvis bør være villig til å betale mer og mer jo lenger tid det går etter det punktet hvor UV1 beviser effekt. Men jeg ser nå at dette uansett kommer til å bli et tema, så da er det bedre at denne informasjonen er ute, og at dersom flest mulig forholder seg til de samme datoene, at det blir en “game of chicken” spillteoretisk logikk som nuller ut disse bevegelsene.
Det jeg har gjort er å først lage en helt finmasket tabell over PFS-chartet til CHECKMATE-067 (oppløsning på 1% og dager). Så har jeg laget en annen tabell med utgangspunkt i de rapporterte innrulleringstallene, og fordelt alle de enkelte pasientene ut over enkeltdatoer med hensyn til hvor mange siter som har vært åpne, en grad av eksponsensialitet og en viss subjektiv bedømming av hvordan COVID-bølgene har truffet. Et nøkternt anslag av rekrutteringshastigheten av de siste 34 pasientene innebærer at studien er ferdig rekkruttert 29. mai. Så har jeg fordelt hver og en av pasientene annenhver til de to armene. I virkeligheten skjer nok fordelingen til de to armene i form av en blokkrandomisering, men annenhver blir uansett et gjennomsnitt av dette. Utregningen tar utgangspunkt i en bestemt dato. Så har jeg laget en funksjon som henter ut den prosentvise sjansen for at hver og en av pasientene i kontrollarmen har hatt en PD-event basert på det nøyaktige antall dager pasienten har vært i studien fram til denne datoen. Summen av disse prosentene er antall events i kontrollarmen på denne datoen. Antall events i konrollarmen i dag (19.02.22) er f.eks. 21. Antall events i den eksperimentelle armen er til en hver tid 70 events minus antall events i kontrollarmen dersom studien blir lest av på dette tidspunktet. Så dersom hypotetisk sett 70 events ble oppnådd i dag, så ville det betydd at man hadde 49 events i den eksperimentelle armen (noe som naturligvis ville betydd at UV1 hadde negativ effekt).
Den første interessante datoen er hvilket tidspunkt UV1 ikke har effekt, som er det samme som likt antall events i hver arm, og altså 35 events i kontrollarmen. Svaret som min modell gir er 20. august 2022.
Dersom vi mener 40/30 er den relevante fordelingen for at UV1 viser effekt, så er datoen man får denne fordelingen 30. desember 2022.
Jeg tror den relevante fordelingen er 41/29, og dette får man 7. februar 2023.
Jeg vil naturligvis justere modellen etter når vi får vite at pasient 154 er innrullert, men det vil sannsynligvis påvirke disse datoene ganske marginalt.
