仿制药一致性实验，需要关注的不止数据重复

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

是数据复制粘贴危害大，还是计算结果出错的危害大？

在今天上午我读到一篇文章，提及国家药品监督管理局官网所公布的仿制药一致性数据中存在着一定程度的复制情况。原文作者使用了《仿制药一致性评价大量数据雷同》这样的题目，我不是仿制药领域的专家，但所受的科研训练告诉我，使用“大量”这种词汇的时候需要谨慎——没有定量的统计，不可以仅凭case study下这样的论断。

这好办，既然没有具体的统计，那就来做一个具体的统计。

截至北京时间今天下午，1988 个一致性评价的报告依然在官网上处于公开可见状态，可以参见原文链接里的“通过一致性评价信息”。在朋友zinccat的帮助下，我们下载了该网站上的一致性评价报告。遗憾的是，受限于技术原因，我们没能获取完整的一致性评价目录，获得了前940个条目的信息公开全文，这是本文研究的数据来源。

一份标准的“**一致性评价企业研究报告及生物等效性试验数据信息公开”**共分三个板块，第一个板块为基本情况汇总表，记录了通用名，生产企业名称等等信息；第二个板块为生物等效性研究结果；第三个部分为审评结论，一般内容大致为建议该药品通过仿制药一致性评价等等。

通过对数据的观察，我们发现，并非所有数据重复都是值得怀疑的情况，对于同一公司的规格不同的药品，有时相互之间可以豁免，例如已测试过100 mg的药片，50 mg的就不必再测。在充分排除了此类误伤之后，我们分析940份数据中两两之间超过三个数据发生重复的情况，发现存在两例。

由于我们只获取了整个数据集的一小半，所以可能和此前公众号报道中的case也未能完全吻合，但就统计结果来看，原文的“大量数据雷同”似乎不符，存在一些复制粘贴，这固然也是非常严肃的问题，但比例没有那么夸张，可能是什么人的无心之失，还可以岁月静好。

真的是这样吗？

当我们做一个研究的时候，比看到结果更重要的是看到结果背后的原因。我调查了两款不同公司生产的阿司匹林肠溶片的重复数据，两个文档中都出现了[‘0.8774’, ‘0.8569’, ‘0.8446’]的结果，经过对原始数据的检查，我发现这是待测样品与参比样品的检测结果比值。换言之，我理解这个值越接近1，则药品的一致性越好。然而两份不同的样品为什么会比值精确地相等呢？

再深入研究了一下原始数据，我发现这个原因也很直白，因为1218.295/1049.658压根就不等于0.8446，剩下的几个数字也同理。换言之，这里的比值T/R根本不是T除以R得到的，可能使用的是某种不为人知的运算方式。

我在此不对数据产生的原因做评价和揣测，只对数据本身做分析。获取的940份数据（不到公开数据的一半）当中，计算比值和原文报告比值对不上（差距在1%以上）的现象有多少呢？在同一份报告出错只记录一次的前提下，答案是14起。

以下列出了另外四个我认为比较离谱的case。

(把另一个统计量复制到了T/R…并且下面也没算对)

（一个肉眼可见>100%的数最后结果是不到90%，一开始以为是T/R除反了，后来发现也对不上…）

（按T/R认真算一下的话是120.80%，有点偏高了，但是表格里报道的107.45%观感就还好）

（这个很奇怪，一个实际很好的结果97.41%，非要报道成85.21%）

按照我朴素的理解，生物等效性测试应该追求的是待测样本和参比样本的比值接近1，这个比值是检验是否“一致”的直接结果。我们抛开所有具体生产工艺/价格/成本等等问题不谈，这不是经济问题，不是化学实验问题，不是药代动力学问题，我们只谈最朴素的数据和除法，为什么会算不对呢？

写到这里的时候看到了官方回复，记者随机抽查发现不存在大量重复现象，药监局为编辑错误致歉，并欢迎社会各界监督。

我完全认同“不存在大量重复”这一结论，但我也不觉得这些计算错误（14/940≈1.5%）是可以接受的。价格平易近人的仿制药并不天生带有原罪，可是性价比的提升不应击穿一些基本要求的底线。做科研的人保持严谨更多是一种学术道德要求，但是在面对药物审批时，保持严谨的背后有着更沉甸甸的分量。

最后，再次感谢zinccat帮忙下载的部分数据。作为一个外行人仓促之间做出的统计，如果有任何错误我也非常愿意学习，比如T/R的计算方式不是简单的T除以R，或许比出现这样许多的计算错误更合理些。

最简单好用的 VPS,没有之一，注册立得 100 美金