说说TEAE

临床试验中,我们会经常听到一个词:TEAE(Treatment Emergency Adverse Event),中文一般我们会称为“治疗后出现的不良事件”,“研究期间出现的不良事件”等等。

在SAP中可能会看到这样的TEAE定义:

  • 治疗期间发生的不良事件
  • 治疗期间出现或恶化的不良事件
  • 给药后发生的不良事件
  • ……

我们会发现不同公司、不同项目SAP给出的定义略有不同,那么标准的TEAE定义应该是什么呢?

ICH E9 指南"临床试验统计原则"有相应的描述:

“在估计不同不良事件的风险时,应考虑对此进行解释的方法。一种方法是利用“治疗引发事件”(见词汇表)的概念,即只有当不良事件出现或相对于治疗前基线发生恶化时,才记录它们。”

治疗引发事件:是指出现在治疗期间的、但在治疗前未曾发生或比治疗前明显恶化的事件。

也就是说如果是使用了研究药物之后新发生的AE,或者是首次使用研究药物前就存在的症状在使用研究药物之后发生了恶化,这两种情况的AE视为TEAE。

但是,有时我们会看到一些SAP中TEAE的定义看起来与上述定义不同,那么可能是由于该项目是Ⅰ期或者健康人的试验,用药前没有AE,或者我们的protocol规定了只收集首次使用研究药物之后的AE。所以,当我们看到不同的TEAE定义时,可以去看protocol中指定如何收集不良事件相关章节的内容,如果protocol定义的AE数据收集规则+SAP的TEAE定义≠ICH E9 TEAE,这时可以找统计师沟通。

另外,对于一些患者参与的临床试验,比如肿瘤试验,患者在结束研究治疗还未退出研究的这段期间,可能还会发生各种各样的AE。这时,因为已经停止了使用研究药物,那么发生的AE可能并非是研究药物引起的(需要考虑药物半衰期、清除率等),而是由患者自身疾病恶化导致的。所以肿瘤试验,一般会有方案规定AE只收集到末次给药后30内,或者SAP中TEAE的定义为:首次使用研究药物至末次用药后30内新发生或恶化的不良事件。这时,我们编程就需要核查,数据库中是否有末次给药后30天发生的AE了,这种就不作为TEAE了。其实经常会有这种情况:方案规定了末次给药后30天内AE不再记录,但数据库中可能还是会记录,那还是需要编程判断剔除。总之,编程是数据清理的最后一道防线,哈哈哈,数据库没法改的时候,我们还能hard-coding呢!

TRAE = Related TEAE,TRAE是更重要的,毕竟这是与研究药物相关的AE,其中发生率在一定比率之上的AE就是该药物的不良反应,会呈现在药物说明书中。


在AE domain中,用supplemental variable:AETRTEM标识TEAE。
suppae.xpt

在ADAE dataset中,用TRTEMFL标识TEAE

AETRTEM与TRTEMFL不是完全相同的,通常如果AETRTEM在AE的supplemental qualifier dataset中,在ADaM阶段,也可以将其保留在ADAE中,for data traceability。

两者的区别如下:我们知道SDTM主要的原则是标准化数据,将收集到的数据follow IG整理好、按照CT标准化等等;ADaM主要原则是满足统计分析的要求,需要analysis-ready,这其中会涉及到衍生或者填补某些变量/指标的值。对于试验药物的安全性评估,通常我们都是保守原则考虑,因此SAP中对于partial date的AE要按保守考虑进行填补,原则就是无法明确是在给药前发生的AE,就都当它是给药后发生的了。因此,ADAE.TRTEMFL需要根据日期填补、分析规则的要求进行标记。但对于AE中的AETRTEM来说,无需进行保守考虑的填充,只是对数据进行标准化的展示,那么AETRTEM只需要对那些明确是TEAE的记录赋值为"Y"即可。


严重不良事件(Serious adverse event)是指法规规定的满足相应标准的不利的医学事件,基于患者/事件结果或者采取措施干预可造成危及生命或功能的结果,这类不良事件必须立即向监管部门报告。分类如下:

  • 导致死亡;
  • 危及生命;( 注意:严重中的“危及生命”的定义是指患者在不良事件发生时即刻存在死亡的风险,并非是指假设将来发展严重时可能导致死亡。)
  • 导致住院或现有住院时间延长;
  • 导致永久或显著的残疾/功能丧失;
  • 先天性异常或出生缺陷;
  • 其他重要的医学事件

所以对于SAE,还会有相应的SAECAT。相关的AE变量如下:

重度不良事件(severe adverse event):是指某一特定事件的程度(严重程度,如轻度、中度、重度),然后事件本身在医学上意义较小(如重度头痛)。

参考文献:
ICH E2A(临床安全性数据管理:快速报告的定义和标准)
ICH E9(临床试验的统计学原则)
SDTMIG 3.4

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,128评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,316评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,737评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,283评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,384评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,458评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,467评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,251评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,688评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,980评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,155评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,818评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,492评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,142评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,382评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,020评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,044评论 2 352

推荐阅读更多精彩内容