统计决定树方法在药物非临床安全性评价数据统计中的应用

摘要

药物非临床前研究项目重复给药试验(长期毒性)、致癌试验等实验周期较长，产生的数据量较大。仔细研究每个数据，分析每个数据的含义，从而发现药物相关的毒性信息是安全性评价的目的。但是，由于安全性评价产生的数据量很大，几乎不可能一个一个数据地进行分析。因此，借助统计学手段，把获得的大量数据进行统计学计算分析，得出药物毒性相关的信息是数据统计的目的所在。这些数据的特征是：一般为多组群设计。一般包括对照组(空白对照组或/和溶媒对照组)，受试物组(一般包括高、中和低剂量3个组)，有时还包括阳性对照组；高剂量组一般为产生明显毒性反应剂量，而最低剂量一般是无明显毒性反应剂量。相对而言，高剂量组的数据变异性增大；从历史文献背景数据来看，既有动物的体重、进食量等基本符合正态分布特征数据，也有像白细胞分类的百分率等的二项分布特征数据等，并且实际数据的组间方差均一性、组内数据分布特征可能因试验不同、测定时间点不同而出现变化，即使是同一项毒性指标，在不同的实验中的实际分布特征会不一样。因此，一味地使用相同的统计学处理就存在统计学方法选择适用性的错误，导致错误的结论。本文把统计学决定树方法引入到药物非临床安全性评价的数据统计学处理中，并且用Visual Basic.Net在EXCEL平台上编程实现。