Onkologi i Sverige Nr 3

ANNONS I SAMARBETE MED JOHNSON & JOHNSON INNOVATIVE MEDICINE

Effekten av cancerläkemedel kan mätas på flera sätt – men vilket mått säger mest? I takt med att både behandlingar och diagnosmetoder utvecklas växer också behovet av effektmått som verkligen speglar det som betyder mest för patienten: tid. Hur mäter vi effekt av läkemedel i cancerstudier?

U tformning av kliniska studier för läkemedel innebär flera utmaningar. Även om prostata cancer främst drabbar äldre personer återstår ofta många levnadsår när behandling sätts in – särskilt i takt med att både upptäckt och behandlingsmeto der utvecklas. Det innebär att det krävs relativt långa observationsperioder för att fullt ut utvärdera effekt och säkerhet av ett nytt läkemedel. Å andra sidan vill man inte att prövningsprocessen blir onödigt utdragen och potentiellt försenar att en effektiv behandling når patienterna. Frågan blir då ofta vilka slutsatser som kan dras uti från effektmått som ger tidigare signaler än totalöver levnad (OS), men som främst speglar sjukdomsprogress snarare än faktisk överlevnadsvinst. Totalöverlevnad – kanske det viktigaste effektmåttet Även om det i början av en klinisk studie kan vara motiverat att använda effektmått som ger tidiga tecken på behandlingseffekt, bör man samtidigt ta höjd för att kunna utvärdera totalöverlevnad längre fram. Det är ett mått som fångar sjukdomens yttersta konsekvens – och därmed den mest direkta nyttan för patienten. Genom att se på totalöverlevnad tar man hänsyn till eventuella andra dödsorsaker och undviker också osäkerhet relaterat till klassificering av dödsorsaker. En nackdel med totalöverlevnad som effektmått är dock att det kan ta längre tid innan en studie har tillräckligt mogna data – statistisk power – för att man ska kunna dra säkra slutsatser. Alla effektmått har fördelar och nackdelar. Riktigt bra studier måste därför fokusera

både på tidiga effektmått som till exempel progressions fri överlevnad (PFS) och sena effektmått som OS. Flera effektmått i samma studie Samma studie kan naturligtvis adressera flera effekt mått, ett vanligt exempel inom cancer är just PFS och totalöverlevnad. För att det ska bli statistiskt korrekt behöver man då använda metoder som tar hänsyn till det som kallas typ I-fel, det vill säga att man felaktigt drar slutsatsen att en behandling är mer effektiv än en annan, ett falskt positivt svar. Gör man många statistis ka test på ett okontrollerat sätt så ökar risken för falskt positiva signifikanser och resultaten får då inte samma tyngd. Det enklaste sättet att kontrollera risken för falska positiva svar är att i förväg definiera en testningshie rarki som bestämmer vilka effektmått som testas och i Det enklaste sättet att kontrollera risken för falska positiva svar är att i förväg definiera en testnings hierarki som bestämmer vilka effektmått som testas och i vilken ordningsföljd.

32 |onkologi i sverige|#3 2025