Det vil være avhengig av hvor mange event det er totalt. Jeg har tidligere vist følgende estimat, alt under den røde stiplede linjer en “Endpoint met”:
Så ved 39 eventer og <70 totalt så vil vi ligge under den røde linjen, ikke sant?
Ja, men selskapet tror ikke de når 70 event, det er derfor avlesingen ble gjort ved 18 måneder siden siste pasient.
Her inne er det gjettet på at ca 65 er relevant, så da alt mer enn 37 eventer i SOC armen Endpoint met.
(forutsatt at forsøket oppfører seg som de sammenliknbare studiene)
Ja vi snakker jo her da om at sannsynlighet for suksess er > 96.8/(100-96.8) = 30 ganger større enn for feil. Nå er jeg ikke god i statistikk da, så lurer på om det er rett tenkt
Viktig å tenke over om den øverste grafen (med sannsynligheter) er regnet ut fra et totalt antall på 70. Ser vi på 41/70 events med 92 % sannsynlighet og flytter oss til 65 events totalt i den nederste grafen er vi kanskje på mellom 38 og 39 events.
Får vi 38 eller 39 av 65 er vi på en HR på +/- 0,6 noe som ville være sensasjonelt.
I den øverste grafen følges 78 syntetiske individer i 10.000 uavhengige simuleringer som om de skulle oppført seg som historisk kontroll. Så lages det et histogram over når N antall eventer oppstår og sannsynligheten beregnes og datofestes. Resultatene i det øverste plottet er uavhengig av totalt antall eventer i de to armene ved avlsening. Dvs at sannsynligheten for “Events in SOC arm” i det nederste plottet kan leses direkte ut av sannsynlighetsplottet.
Sikkert diskutert før i ente og mente, men hva er risikoen som gjør at enten data eller behandling er feil?
Om jeg forstår spørsmålet rett, så kan følgende bidra til at modelleringene ikke treffer presist:
- Pasientpopulasjonen kan være noe friskere til tross for like inklusjonskriterier som de historiske kontrollstudiene
- Klinikerne kan ha blitt flinkere å oppnå effekt med standardbehandling
Nå er man altså så langt på overtid at selv om man hensyntar en/begge scenarioer i betydelig grad (selv om de ikke er veldig sannsynlige), så kan UV1 gi signifikant effekt.
Det er faktisk heller snakk om at man kan spekulere i at populasjonen kan være noe sykere gitt rekruttering under pandemien (senere screening / mer fremskreden sykdom). Og vi har ikke funnet studier som gir bedre resultater enn CM67 (som ligger til grunn for plottene), tvert imot.
Men husk at frokost spiser biologi og alt det der - data må på bordet.
En faktor er the law of small numbers. Det er veldig bra at initium er randomisert, men det er fremdeles en liten fase 2 studie, ikke en stor og robust fase 3.
https://www.sumnerhealthcentre.com/site/statistics/law_of_small_numbers
Så longs setter pengene våre på den avsluttende setningen der.
Dette er jo uttrykt/hensyntatt gjennom studiens design og statistiske power. Resultatene vi beregner sannsynligheten for vil være mer eller mindre signifikante. De kan være signifikante iht. studiens randomiserte ph2-design, men de kan også ha signifikans på nivå med en stor ph3. Alt avhenger av fordelingen mellom armene.
Denne figuren forklarer jo det hele suverent kombinert med figuren som viser sannsynligheter for at ulike antall eventer skal inntreffe. Dvs at vi ved 65 eventer trenger 41 eventer snaut i kontrollarmen for å få HR 0.5, bli det AA!.
Statistikk er vel tross alt det objektive verktøyet man benytter for å beregne sannsynligheten for at ulike scenarier inntrer når man har faktiske parametre å legge inn i passende beregningsmodeller. Det er nå hva jeg forholder seg til! Begynner å bli litt lei av all troing, synsing, datarisiko samt spising!
I tillegg til den glimrende visualisering av Ketilaaj av statistikken/sannsynlighetene for at UV1 skal lykkes i INITIUM, må man jo legge til alle de positive resultatene fra alle Fase 1 studiene og ikke minst NIPU!
Godt poeng det: baseline-characteristics i populasjonen har man i mindre grad kontroll over. Sykdomsbyrden mellom armene kan være noe skjev. Og den problemstillingen vil kun en stor ph3 forsere.
Beregningsmessig mhp konfidensintervall, har man kvadratroten av n-1 i nevneren. For CM067 og INTIUM med 360 og 156 pasienter, betyr det at man har henholdsvis 19 og 12, 5 i nevneren.
98 eller 92, 6% sannynlighet er for meg en pølse i slaktetida. Fortell meg hvilken investering på Oslo børs som har hatt så høy sannsynlighet for signifikant resultat og samtidig mulighet for gigantisk oppside??
Risk vs Reward er bare fantastisk.
Helt enig👍
Så kan man spørre seg om hvor mye friskere de i kontrollarmen er/kan være enn tidligere data. Og hvor mye flinkere man er på å gi SOC i forhold til tidligere data. Dette blir jo bare ren spekulasjon.
Men at det er en revolusjonerende forbedring i behandling eller at de er “mye”(må definere hva mye er) friskere, tar jeg en kupong på at det ikke er.
NIPU har vist oss at oraklene her inne er kjempeflinke med sine modeller. Dette støtter opp under min kupong.
Poenget mitt var det samme som du selv skrev under. Jeg har all tillit til at studiedesignet er fint for å mitigere risiki, men de er ikke 0.
Godt poeng det: baseline-characteristics i populasjonen har man i mindre grad kontroll over. Sykdomsbyrden mellom armene kan være noe skjev. Og den problemstillingen vil kun en stor ph3 forsere.
Retter en personlig takk til Janus for at jeg fikk nok et påfyll med aksjer på lavt 130-tallet. Hadde jeg aldri trodd skulle være mulig på mandag
Ingen endring rapportert til FT for i går?!?! Jeg var sikker på at det ble solgt aksjer i går