药物研发期间，企业会在关键研发节点和监管机构对一些重大问题进行沟通，以获得双方对临床试验是否可以进行以及试验设计的统一观点。应该说所有的会议中重中之重是三期前的 EOP2 会议，因为 3 期临床的结果是直接支持上市的，一些关键设计要点，如对照和终点的选择，如果是非劣效试验的话，非劣效界值的确定等等，都需要事先和监管部门确认。如果该 3 期临床还是国际多中心研究，与东亚的监管机构沟通，像我们的 CDE 以及日本的 PMDA，一般也会讨论样本量分配的问题。在过去的历史上，FDA 不是特别看重 MRCT 研究中美国受试者数量，但刚刚的 ODAC 会议（美国时间 5 月 20 日）上，罗氏 Glofitamab 的 STARGLO 研究，因为美国入组较少，而且潜在有种族和地区差异，被 FDA 挑战了，由此我们也可以看到 FDA 观念上的转变。看上去样本量分配是一个统计问题，实际上更深层次的原因是疗效的区域差异。由于我们以前的文章介绍过区域差异，我们这次重点介绍一下样本量分配，以及某区域样本量分配过少所引起的挑战和解决的案例。

样本量分配

我们前面介绍过的区域差异，下面这句话是对疗效一致性的基本考量点

虽然MRCT主要目的是评估在全人群中的治疗效果，但由于本地监管机构对一致性的要求，区域差异需要在设计阶段就进行周详考虑。

王燕生，公众号：有理就听你的

国际多中心临床试验简介及有启发性的案例

而保障一致性评估的重要方法之一就是保证区域有合理分配的样本量。样本量分配应有科学依据，它可以提供充分的数据，以支持对结果进行有意义的解释，以便用于不同地区的监管决策。

ICH E17 列举了下述五种策略对某些区域进行样本量分配：

• 第一种策略是等比例分配，也就是依据区域人口的大小或者流行病学中患病率的比例进行分配。这种分配方式的优点当然是临床试验入组患者比较容易完成，完成时间上也有保障，并且可以提供足够的信息，以便在代表性地区的区域背景下评估药物。缺点是可能有单个区域的数据驱动整体结果的现象出现。

• 第二种策略是平均分配，也就是参与试验的每个区域的入组人数基本相同。这种策略的优点在于足够保障评估疗效一致性。但缺点是由于不考虑发病率和患病率，入组过程可能会有很大挑战。

• 第三种策略是治疗效果保留策略，是指在保留整体治疗效果的某个指定比例的基础上，将受试者分配到一个或多个区域。这种策略的优点在于确保在每个地区保持一定的最低治疗效果。但实际上，这与使用低统计学效能或样本量大幅增加的异质性检验并无太大区别。

• 第四种策略是本地显著性策略，即分配足够数量的受试者，以便能够在每个区域内取得显著性结果。这种策略的缺点显然是会大幅增加样本量，与 MRCT 的优势和理念背离。

• 第五种策略是对每个区域分配固定的最小样本。这种策略可以保障每个区域有足够的安全性信息，但是如果在没有科学论据的情况下选择该策略，可能不利于解释试验的结果或者有药品供应方面的挑战。

与单区域试验相比，MRCT 固有的异质性通常会导致评估假设检验的样本量要求相对较大。MRCT 的设计应提供足够的信息，以便评估跨地区和亚组之间效果一致性。一致性评估是定性和描述性的，这种评估不应将样本量要求提高太多，以至于进行 MRCT 变得不再可行或不实用。ICH E17 倾向于建议在第一种和第二种策略之间取得平衡，以确保招募是可行的并能够及时完成，同时也可以提供足够的信息在相应区域背景下来评估药物的疗效。

E17 的举例和推荐更多是从原则上出发的，实际上的方法学也有很多种，最有名和相对容易被监管部门接受的是日本厚生省及其下属 PMDA 指南[1]中列举的两个方法。这里需要说明的是，无论 E17 还是 PMDA 指南上的策略都不是强制性的，只要提供充足的理由，申办方也可以考虑其他策略。

我们可以从下述案例中学到如果某区域样本量分配过少，可能引发的监管挑战以及如何处理相关问题。

恩格列净治疗慢性心力衰竭的案例

慢性心力衰竭（HF）是一种进展性综合征，其特征为心脏不能提供足够的血液供应以满足不同组织的代谢需求，或以左心室充盈压升高为代价满足这些需求。实际存在两种主要类型的 HF：射血分数降低的心力衰竭（HFrEF），由 HF 患者且具有左心室射血分数（LVEF）≤ 40%的患者组成；射血分数保留的心力衰竭（HFpEF），由射血分数 > 40% 以及具有 HF 症状和心肌结构改变的患者组成。

恩格列净为 BI 和礼来联合开发的一种口服 SGLT-2 抑制剂，最初的适应症为 2 型糖尿病（T2DM）。在一项伴有心血管疾病 T2DM 患者的 3 期 EMPA-REG OUTCOME 研究中，恩格列净可显著降低因心力衰竭而住院（ HHF）的风险以及 HHF 或心血管（CV）死亡这一复合终点的风险。

为了增加恩格列净治疗慢性心力衰竭（不考虑糖尿病状态）的适应症，BI 和礼来进行了多项 3 期临床试验，其中最大型的是两项 CV 结局的试验，分别针对 HFrEF（射血分数降低）和 HFpEF（射血分数保留）患者的 EMPEROR-reduced 以及 EMPEROR-preserved 研究。其中 EMPEROR-reduced 更早结束，我们主要看看这个研究中的一些挑战。

EMPEROR-reduced 研究为一项随机，双盲，安慰剂对照的临床试验。3730 例射血分数为 40% 或更低的 II、III 或 IV 级心力衰竭患者按 1:1 比例随机分配至恩格列净或安慰剂组。主要终点是心血管死亡或因心力衰竭恶化而住院的复合终点。

其主要终点的数据如下图[2]所示，在恩格列净组因心血管原因死亡或因心力衰竭住院的主要复合结局事件发生 361 例（19.4%），而安慰剂组 462 例（24.7%）。HR = 0.75，95% CI，0.65 - 0.86；P<0.001。

恩格列净对心血管死亡的风险比为 0.92（95% CI，0.75 - 1.12），数据截止日期恩格列净组发生 187 个事件，而安慰剂组发生 202 个事件。

主要终点结果，敏感性分析结果和其他次要终点结果都支持主要疗效结论，即恩格列净对慢性心衰的疗效。但是，该研究在中国[3]仅入组 134 例受试者（占总人群 3.5%），整个东亚人群入组 493 例受试者（占总人群 13.2%）。

在 CDE 审评期间发现中国人群亚组中，恩格列净组 CV 死亡相比于安慰剂组的 HR 点估计值大于 1，也就是说在中国患者中恩格列净组的心血管死亡事件比安慰剂组更多，这与总体研究 HR 点估计值 0.92 不一致。当然，我们不能说 CDE 把心血管死亡和心衰住院的复合终点拆开，专门看了中国亚组心血管死亡的 HR 不合理。毕竟这个复合终点两个指标的权重是完全不一样的，死亡比心衰住院严重太多了。

对此，勃林格殷格翰公司（恩格列净在中国开发和商业化的权益属于 BI）的回应为：

• 复合终点组成事件数量有限带来随机误差；中国人群基线时心衰疾病进展更为严重。

• CV 死亡的治疗效应量小于 HHF，而中国人群受试者较少事件数量有限，可能是引起 CV 点估值趋势与整体人群不一致的原因。

• 中国人群和东亚人群中的有效性、安全性和 PK 结果趋势总体上与 EMPOROR-Reduced 的整个人群一致。

经过与 BI 的分析讨论，CDE 同意增加恩格列净的射血分数降低心力衰竭适应症，但需要做一项上市后真实世界研究。

我们看到，由于关键临床试验入组的中国患者人数较少，会有更大的风险产生治疗效果的不一致性。需要更加困难地向监管机构进行解释。

Abaloparatide 骨质疏松适应症

看过了由于中国患者人数较少引起 CDE 对恩格列净疗效一致性的疑问，我们再来看看原来 FDA 对美国患者人数不足如何评估的一个案例。这是 Abaloparatide 治疗骨质疏松的首个 NDA 申请[4]。Abaloparatide 是 PTHrP（甲状旁腺激素相关肽）的类似物，在它获批之前，同样属于甲状旁腺激素的特立帕肽（商品名 Forteo）已经在美国获批骨质疏松适应症。

Abaloparatide 的关键 3 期研究是 ACTIVE（BA058-05-003）及其开放标签的扩展研究 ACTIVExtend（BA058-05-005）。试验设计如下图所示，ACTIVE 是一项随机，安慰剂和活性对照研究，入选患者为骨质疏松的绝经后妇女，按 1:1:1 比例随机分配至 abaloparatide，安慰剂或特立帕肽。阿巴帕肽和匹配的安慰剂采用双盲形式给药，而特立帕肽由于只能通过其商业化的注射笔给药，因此采用开放标签给药。治疗期为 18 个月。

主要终点为 abaloparatide 组与安慰剂组发生新发椎体骨折的参与者百分比。次要终点为 abaloparatide 与特立帕肽治疗后全髋、股骨颈和腰椎 BMD 的变化；首次发生非椎体骨折的时间。

有效性数据如下表及下图[5]所示，该研究证明在 18 个月内，椎体骨折风险（与安慰剂相比降低 86%）和非椎骨骨折风险（与安慰剂相比降低 43%）显著减少。脊柱 （8.7%） 和髋部 （3.5%） 的骨矿物质密度 （BMD） 增加在亚组中是显著且一致的。

骨折事件

骨密度

FDA 审评[4]时一个主要问题是 ACTIVE 研究仅有 39 位美国患者入组，占总人数的 1.6%。对此问题，FDA 认为：“美国患者的低比例延续了 PMO 试验的最新趋势，这显然部分与 IRB 要求和涉及安慰剂对照研究的伦理问题有关。”

由于人数少，在提交 NDA 的时候美国患者都没有发生事件，因此这项无法比较。在骨密度方面却出现一些不一致性，美国患者对比基线的平均骨密度只有 0.94% 的改变，而其他地区大约在 3.5% 左右。

对此，FDA 认为：“尽管美国患者数量较少，美国和非美国患者之间髋关节和脊柱 BMD 趋势的定性变化上一致，尽管非美国地区之间存在显著的人口统计学差异，但在非美国地区之间 BMD 定量变化上一致。此外，没有证据表明 abaloparatide 在任何区域或任何骨骼部位的效果不如特立帕肽，特立帕肽是一种在美国获得批准的具有类似作用机制的药物。”

骨密度并不是严格的临床终点，FDA 是如何评估 abaloparatide 主要的椎骨骨折数据在美国人的适用性的呢？这里评估的关键是活性对照特立帕肽，下面两个表格对比了 003 研究（即 ACTIVE）和特立帕肽历史数据 GHAC 研究中特立帕肽对比安慰剂的数据。

对此，FDA 认为：“研究 003 中的特立帕肽 20 微克数据与 GHAC 20 微克数据在椎骨骨折风险降低（分别为 80% 和 65%）以及不同部位 BMD 增加百分比方面相似。在研究 003 中，非椎体骨折风险降低略低 （28% vs. 53%），但两项研究中该终点的 95% CI 重叠，并且 abaloparatide 比特立帕肽更有效 （降低 43% vs. 28%）。因此，正如申请人所主张的那样，使用特立帕肽 20 微克来桥接两项研究的疗效数据是合理的。在研究 GHAC 中，美国和其他国家/地区的特立帕肽疗效相似，这是支持 003 研究数据适用于美国的有力证据”。

我们总结一下 FDA 对数据适用性的思路。首先，虽然 ACTIVE 研究仅纳入 39 名美国患者（占研究人群的 1.6%），且与其他地区相比，BMD 趋势不一致。然而，非美国亚组（例如，欧洲、亚洲、南美）的 BMD 数据高度一致。其次，ACTIVE 研究中 abaloparatide 和特立帕肽的事件终点数据相当。再次，GHAC 研究中，美国和其他地区的特立帕肽事件终点数据相似。最后，ACTIVE 研究和 GHAC 研究中特立帕肽事件终点数据相似。

Glofitamab 的 STARGLO 研究

我们看到 FDA 对于美国患者人数很少的情况，原来的容忍度还是比较大的。但是监管态度是在动态变化的，我们最后一个案例就来看看前几天的 ODAC 案例[6]。

这里具体 FDA 和罗氏是如何辩论的，我就不详细写了，有很多公众号都有介绍，如

本次讨论围绕STARGLO试验中，亚洲和非亚洲地区观察到的差异性结果，如何影响研究整体结果的解释以及在美国患者人群中的应用。

文森特谈临研，公众号：文森特谈临研

ODAC | 1:8 地区差异导致STARGLO研究在美国受阻

这里我只是想说明 FDA 对美国患者入组样本量的要求其实已经有些先兆，去年 9 月 FDA 就发布指南草案，对美国患者样本量提出了要求。

总结

MRCT 的样本量分配问题是个永恒的话题。由于过去临床试验都是欧美为中心开展的，所以 FDA 对于样本量没有太多要求。随着亚洲国家越来越多地参与 MRCT，FDA 也逐渐改变了对此问题的态度。而东亚的监管机构一直比较重视样本量分配问题，如果入组患者相对较少，会有更大风险出现临床疗效的不一致性，进而产生监管挑战。

参考文献

【1】Basic Principles on Global Clinical Trials, PMDA.

【2】N Engl J Med 2020;383:1413-1424.

【3】恩格列净片 （JXHS2000168）申请上市技术审评报告

【4】208743Orig1s000MedR.

【5】JAMA. 2016;316(7):722-733.

【6】2025052021-odac.