（原文链接：https://mp.weixin.qq.com/s/STt-Qzqxwg_a-RL2iW9W6w）

1. 背景介绍

延迟心脏复极化是一些非抗心律失常药物的一个不良特性，可以通过体表心电图 (ECG) 上 QT 间期的延长来衡量。这种QT间期的延长可致心率失常，最明显的是尖端扭转型室性心动过速 (TdP)。TdP 可退化为心室颤动，严重的可导致猝死。从图1可以看出QT 间期是从QRS波群到T波结束的间隔，代表心室去极化和随后的复极化的持续时间。大多数引起 TdP 的药物都会明显增加绝对 QT，因此对新药上市前在安全性方面包括其对 QT 间期的影响进行充分地研究是非常必要的。

基于上述原因，2005年ICH 推出E14指导原则——《非抗心律失常药物的 QT/QTC 间期延长和促心律失常潜力的临床评价》，该指导原则指出在新药上市前需充分评估药物对QT间期的影响（即TQT研究）。但是，实践证明，TQT研究执行难度较大，且成功率不高，2015年，ICH又推出针对E14问答的补充文件，该文件中指出可以使用高质量的ECG测量数据和血药浓度数据进行C-QTc建模分析来代替TQT研究。 此后， FDA相关专家组在2017年出版了关于C-QTc建模的科学白皮书1，从试验设计、ECG检测仪器及C-QTc建模等角度给出了具体执行方法及建议。

本文以近期已完成C-QTc分析项目为基础分享一些过程及经验，侧重点在于统计分析，不涉及方案设计等其他相关方面。

2. C-QTc分析介绍

C-QTc分析内容主要包括描述性分析和建模分析。针对本次分享的研究，下面分别进行介绍。

- 2.1 分析假设及数据处理

当C-QTc分析是单独制定统计分析计划（SAP）并进行分析时，需要在SAP中明确分析的假设。以本文分享的项目为例，在服用方案规定剂量的研究药物后，如果在最高血液浓度Cmax时，由模型估计的∆∆QTcmax均值的双侧90%CI的上限<10msec，则认为研究药物对QT间期没有影响，不会引起QT间期延长，项目后续的分析以此为目的展开。这里的∆∆QTcmax指经基线和安慰剂校正后的QTc值，具体计算方法在2.2节中描述。

本次C-QTc分析有单独建模分析计划，详细描述了分析集划分、阅片数据的处理、缺失数据的处理、基线定义、QT校正方法、模型介绍及建模分析方法等。C-QTc分析用数据包括ECG阅片数据和血药浓度数据。心电图阅片数据记录等情况在阅片章程中进行详细说明，不同的ECG监测设备呈现的数据形式会有所不同。本研究采用Holter记录，每个时间点分别记录3次心动周期值对应的3个导联结果，导联结果优先使用级别都在分析计划中进行了详细说明。选定导联结果后，针对每个时间点，取3次测量数据的均值作为该时间点进行分析的数据。

锁库且C-QTc分析用数据确定后，先进行分析集划分，包括心电图分析集、PK分析集和PK/心电图分析集，其中，心电图分析集主要用于ECG各项指标的描述性分析，PK分析集是针对血药浓度数据的描述性分析， PK/心电图分析集用于C-QTc建模分析。本研究中，由于临床操作的原因，对于阅片数据，经各方讨论，有1例受试者的某个监测点阅片数据不能纳入所有心电图相关分析集进行分析。血药浓度数据中有1例受试者在给药后1h的血药浓度值是大于定量上线的，该点的值也未纳入PK及模型相关分析集进行分析。对于缺失数据未做任何填补，也不纳入模型分析。此外，在数据处理阶段，比较关键的是QT校正，分析时探索了多种校正方法，有Bazett校正以及个体校正方法，校正方法的选择主要是看校正后的QTc和HR的相关性，相关系数值越小说明相关性越小，校正效果越好，经比较，Fridericia校正结果优于Bazett校正结果。对于个体校正，由于采样点数据有限，建模结果可能不稳定，故未采用。在使用Fridericia公式进行校正时，公式中QT单位为ms，RR的单位为s，使用公式的时候需留意单位的换算，其公式如下：

QTcFri = QT/RR^1/3

基线的定义在C-QTc分析中需明确说明，根据方案设计的不同，其定义会有区别。本文提到的研究是一项单剂递增、安慰剂对照的平行设计试验，对于ECG各项指标，给药前进行了3次测量，取3次测量值的均值作为基线值。此外，在进行模型分析的时候还会用到中心化基线，是用受试者基线值减去所有受试者基线均值。

- 2.2 描述性分析

描述性分析只针对ECG指标进行，血药浓度的分析只展示平均药-时曲线图，其他血药浓度相关的分析单独在PK分析报告中呈现。描述性分析包括连续性变量值的分析和分类分析。

依照计划时间点对ECG各指标值及其相对基线的变化值进行描述性分析，给出均值、标准差及最值等，同时绘制随时间变化的曲线图。另外，对各指标经安慰剂组校正后值也需要进行描述性汇总分析，以QTc为例，用QTc较基线的改变值（ΔQTc）减去同一个时刻点的安慰剂组ΔQTc的均值即为经安慰剂组校正后值，计算公式如下：

ΔΔQTc=ΔQTc-均值ΔQTc（安慰剂组） 

分类分析主要考虑的是ECG指标的离群值情况，因为离群值的出现反应了药物对ECG的影响情况。具体的，根据离群值标准查看数据分布，其标准根据项目及性别会有不同。本次分析中，有两例受试者基线和给药后QTc值都是大于450.0ms的，但是，相对基线变化范围均保持在30ms以内，变换范围符合标准，而且两例受试者均为女性，考虑到女性的该指标值一般相对较大，且在试验过程中均未发生心脏相关AE，经讨论，最终决定可以纳入分析。

- 2.3 建模分析过程

根据以上介绍的数据处理过程产生分析用数据集后，依照关于C-QTc建模的科学白皮书^[1]中介绍的方法及步骤，优先考虑使用线性混合效应模型进行分析，科学白皮书中对线性混合效应模型进行了详细的介绍，本文不再介绍。整个模型分析分四步完成，分别是模型诊断、模型分析、模型估计以及模型评估。每一步会产生一系列的图和表。

所谓模型诊断就是使用锁库后ECG数据和血药浓度数据验证线性混合效应模型的四条假设是否成立。表1具体描述了四条假设及评估方法。如果有任何一条模型假设不能满足，首先考虑不满足的原因是否是由于个别数据造成的，或者其他可以解释通的原因，如果直接从数据无法解释，需要探索其他模型。本次分析中，经验证发现QTc的变化与血药浓度的变化存在延迟效应。实际分析时，除了此条模型假设不满足外，线性混合效应模型在加入随机效应后是不收敛的，此种情况下，不能继续使用白皮书中介绍的线性混合效应模型进行分析，考虑进行PK建模^[5],使用预测的个体血药浓度进行C-QTc模型分析，而且也需要对研究药物的代谢产物进行同样的分析。PK建模采用Phoenix NLME 8.3中的房室模型进行，模型选择由Akaike信息标准（AIC）以及个体残差与个体预测值图决定，本次分析中，针对母分析物最终选择模型拟合较优的3室模型对个体血药浓度数据进行预测，同时，针对代谢产物选择拟合较优的2室模型预测个体血药浓度用于后续的代谢产物的分析。

针对预测的个体血药浓度数据，为了防止模型的错误设定，同时分析了线性混合效应模型及暴露响应关系Emax模型。考虑到建模分析过程中尽可能的纳入随机效应进行分析，对血药浓度数据进行了对数变换，这样无论是线性混合效应模型还是非线性模型（Emax模型），模型都能很好的收敛，采用拟合优度法（GOF）对两种模型进行了对比，产生一系列残差分布图，同时，对比了模型的AIC值，之后选择拟合较优的线性混合效应模型作为的最终分析模型。但是，不论是线性模型还是非线性模型，本次分析的模型预测结果均显示，各剂量组观测浓度的Cmax几何均值对应的ΔΔQTcF及其双侧90%CI的上限均是＜10 ms，即可认为该药物的平均QTc作用不大于5 ms，C-QTc研究结果即为阴性的，从统计角度得出，药物对QT间期延长影响不显著。代谢产物的分析得到同样的结论。

3. 注意事项

整个分析过程中需要与医学、临床药理人员保持沟通，了解药物的一些特性及试验进行过程中与QT间期相关的AE情况，便于建模。比如，在进行模型诊断的时候，如果有某一条假设不能满足，可能从医学角度是可以给与解释，这种情况下可一定程度上避免模型的错误设定或者过参数化估计。

C-QTc模型分析不同于常规的分析，是需要拿到最终数据后进行建模分析，因此，在时间节点的制定时不能与常规项目分析一致，一般整个分析会在锁库并拿到最终数据后的2个月左右完成。

对于非线性混合效应模型，编程时可考虑使用SAS中的PROC NLMIXED过程进行。在使用该过程步进行分析的时候，关键是参数初值的选择，方法不唯一，但是选择适当的初值对模型收敛起到非常关键的作用。

4. 关于圣方医药研发心脏安全性评价

一个独立、高质效的心脏安全性评价项目，除了精确的统计建模分析，还依赖于一个完整的运营体系以及各方的紧密协作，由此，心脏安全性评价也成为新药早期临床研究中最重要，且难度较高的环节之一。

圣方医药研发心脏安全性评价服务是一体化集统计建模、设备提供、独立读片、运营服务的平台——具有统一完善的SOP运营体系，完整成熟的心电安全评估项目经验，拥有FDA认可的心电图传输及中心评价分析系统、优质的阅片专家资源，确保评估质量。

2023年7月，国家药品监督管理局颁布的《E14：非抗心律失常药物致QT/QTc间期延长及潜在致心律失常作用的临床评价》指导原则将落地实施，建议申办方尽早做好准备，以更好迎接行业的发展、竞争和挑战。

5. 参考文献

[1] Garnett C, Bonate PL, Dang Q, Ferber G, Huang D, Liu J, Mehrotra D, Riley S, Sager P, Tornoe C, Wang Y (2017) Scientific white paper on concentration-QTc modeling. J Pharmacokinet Pharmacodyn.

[2] ICH E14 Guideline (2015) The clinical evaluation of QT/QTc interval prolongation and proarrhythmic potential for non-antiarrhythmic drugs. Questions & answers (R3).

[3] Garnett CE et al (2012) Methodologies to characterize the QT/corrected QT interval in the presence of drug-induced heart rate changes or other autonomic effects. Am Heart J 163(6):912–930

[4] Yan Li, Leonidas N, Carayannopoulos, Michael Thomas, Maria Palmisano, Simon Zhou (2016) Exposure-response analysis to assess the concentration-QTc relationship of CC-122. Clinical Pharmacology: Advances and Applications 2016:8 117-125.

[5] Vladimir Piotrovsky, Pharmacokinetic-Pharmacodynamic Modeling in the Data Analysis and Interpretation of Drug-induced QT/QTc Prolongation. The AAPS Journal 2005; 7(3) Article 63.

[6] Garnett CE et al (2012) Methodologies to characterize the QT/corrected QT interval in the presence of drug-induced heart rate changes or other autonomic effects. Am Heart J 164(6):912-930

[7] Holford NH et al (1981) The effect of quinidine and its metabolites on the electrocardiogram and systolic time intervals: concentration-effect relationships. Br J Clin Pharmacol 11(2): 187-195

[8] USAID/CTB (2017) Guidance on requirements for QTc measurement in ECG monitoring when introducing new drugs and shorter regimens for the treatment of Drug-resistant Tuberculosis.