场景案例 ·

药学研究数据分析用 AI 一句话完成 — 药效、生物等效性与 APA 报告

药学/临床药理研究必看：药效组间 ANOVA、回归建模、生物等效性 90% CI 判定，ChatSRS AI 一句话跑完全套分析，生成 APA 7th 格式医学统计报告，Word 直出。

药学、临床药理、药剂学方向的论文数据分析往往横跨两类难题：一是药效组间比较（多剂量 ANOVA、协变量回归），二是生物等效性（BE）试验的 90% 置信区间判定。二者各有严格的统计规范，手动操作既耗时又容易报错。这篇文章把药学研究最常见的分析场景一次串通，每步给出在 chatsrs.com 可直接使用的一句话指令，以及可抄进论文的 APA 7th 报告句式。

药学论文数据分析为什么难

药学类毕业论文或科研课题的数据分析，常见痛点集中在以下几个方向：

  • 多剂量组动物实验，不知道该用单因素 ANOVA 还是重复测量 ANOVA，事后检验选 Tukey 还是 Dunnett
  • 体外溶出曲线、血药浓度-时间曲线需要计算 AUC、Cmax、t1/2，手工算容易出错
  • 做 BE 试验时，知道要算 90% CI，但不清楚参比制剂与受试制剂如何建模、TOST 等效检验如何操作
  • SPSS 跑出来一堆输出表，不知道哪些数字对应论文里的哪句话
  • 审稿意见回来：请补充效应量 / 请报告几何均值 / 请说明是否满足对数正态分布假设

这些难点不是研究者能力不足，而是药学统计的方法选择链条专业度高——从描述统计到方差分析、从 PK 参数计算到 BE 判定，每步都有监管机构（FDA/EMA/NMPA）或学术期刊的规范要求，每步都有可能因格式问题被审稿人打回。

chatsrs.com 把这整条链条变成对话。下面按典型药学研究场景，从头到尾演示。

两种核心药学研究设计

设计一：药效学实验（多组 / 多剂量比较）

最典型的场景是动物或细胞实验中的多剂量药效评价，例如：

  • 比较低、中、高剂量组与空白对照组在某药效指标（抑制率、肿瘤重量、血糖值等）上的差异
  • 研究两种联合用药方案对某病理指标的干预效果
  • 评估给药时间点对药物蓄积的影响（重复测量）

典型数据结构：

动物编号   组别         剂量(mg/kg)   肿瘤体积(mm3)   体重(g)   给药天数
001        空白对照组   0             1842            22.1      14
002        低剂量组     10            1456            21.8      14
003        中剂量组     30            1098            21.5      14
004        高剂量组     100           612             20.9      14
...

关键统计链：描述统计 → 正态性 & 方差齐性检验 → 单因素 ANOVA → 事后多重比较（Dunnett / Tukey） → 效应量 eta^2

设计二：生物等效性试验（BE / 生物利用度研究）

口服固体制剂仿制药研究或剂型改良研究的核心统计任务，判断受试制剂是否与参比制剂生物等效：

  • 两制剂交叉设计（2x2 crossover），计算 AUC0-t、AUC0-inf、Cmax
  • 对数变换后建立线性混合效应模型
  • 报告几何均值比（GMR）及其 90% CI，判断是否落在 80.00%~125.00% 等效窗口内

典型数据结构（两周期交叉）：

受试者   序列    周期    制剂    AUC0-t(ng·h/mL)   Cmax(ng/mL)   Tmax(h)
001      TR      1       受试    3842               285           1.5
001      TR      2       参比    3971               294           1.5
002      RT      1       参比    4102               301           1.5
002      RT      2       受试    3920               289           1.5
...

关键统计链：PK 参数描述统计（几何均值 + CV%） → 对数正态分布检验 → 线性混合效应模型（序列/受试者/周期/制剂效应） → GMR 及 90% CI → TOST 等效判定

全流程分析演示

场景一：多剂量药效组间比较

以"某中药提取物对荷瘤小鼠肿瘤生长的抑制效果"为例：空白对照组、低剂量组、中剂量组、高剂量组各 10 只，连续给药 14 天后测量肿瘤体积。

第一步：描述统计 — 了解各组数据分布

打开 chatsrs.com，上传数据后输入：

"请对空白对照组、低剂量组、中剂量组、高剂量组分别计算肿瘤体积的均值、标准差、中位数、最小值和最大值，生成 APA 格式三线表；并对每组做 Shapiro-Wilk 正态性检验。"

ChatSRS 自动输出：

表 1  各剂量组肿瘤体积描述统计（M +- SD，mm3）

              空白对照组      低剂量组        中剂量组        高剂量组
              (n = 10)        (n = 10)        (n = 10)        (n = 10)
M             1834.20         1448.60         1092.40         614.30
SD             142.35          138.72          121.56          98.44
Median        1851.50         1452.00         1088.50         618.00
Min           1612            1231            892             461
Max           2044            1682            1298            782

Shapiro-Wilk 正态性检验：
空白对照组 W = 0.951, p = .684；低剂量组 W = 0.963, p = .815；
中剂量组 W = 0.944, p = .603；高剂量组 W = 0.958, p = .762
四组均满足正态性假设（p > .05）。

第二步：单因素 ANOVA + 方差齐性检验

"对四组肿瘤体积做单因素方差分析（one-way ANOVA），先做 Levene 方差齐性检验，报告 F 值、自由度、p 值和 eta 平方效应量。"

ChatSRS 输出：

Levene 方差齐性检验：F(3, 36) = 1.24，p = .310 — 方差齐性假设成立。

单因素 ANOVA：
F(3, 36) = 112.47，p < .001，eta^2 = .904（效应量极大）

组间自由度 df1 = 3，组内自由度 df2 = 36
MSbetween = 1,842,631.23，MSwithin = 16,383.47

第三步：事后多重比较（Dunnett 检验 — 各剂量组 vs 对照组）

药学实验常见设计是"各处理组 vs 空白对照组"，推荐使用 Dunnett 检验（比 Tukey 更适合"与对照组比较"的场景）：

"做 Dunnett 事后多重比较，以空白对照组为参考组，比较低、中、高剂量组与对照组的肿瘤体积差异，报告均值差、95% CI 和校正后 p 值。"

ChatSRS 输出：

Dunnett 事后多重比较结果（参考组：空白对照组，M = 1834.20）

低剂量 vs 对照：均值差 = -385.60，95% CI [-512.47, -258.73]，p_adj = .001
中剂量 vs 对照：均值差 = -741.80，95% CI [-868.67, -614.93]，p_adj < .001
高剂量 vs 对照：均值差 = -1219.90，95% CI [-1346.77, -1093.03]，p_adj < .001

抑制率：低剂量 21.0%，中剂量 40.4%，高剂量 66.5%

第四步：协变量回归 — 控制体重差异的药效建模

如果各组动物体重存在系统差异，可将体重作为协变量纳入 ANCOVA，得到更准确的剂量-效应估计：

"以肿瘤体积为因变量，剂量组为自变量，动物基线体重为协变量，做单因素协方差分析（ANCOVA），报告调整后各组均值、组别 F 值、协变量 F 值和偏 eta 平方。"

场景二：生物等效性（BE）试验分析

以"某仿制片剂与原研药的 BE 研究"为例：2x2 双交叉设计，24 名健康受试者，以 AUC0-t 和 Cmax 为主要 PK 终点。

第一步：PK 参数描述统计（几何均值）

打开 chatsrs.com，上传 PK 参数数据后输入：

"对受试制剂和参比制剂的 AUC0-t 和 Cmax 分别计算算术均值、标准差、几何均值和变异系数（CV%），检验 AUC0-t 和 Cmax 对数变换后的正态性（Shapiro-Wilk），生成 APA 三线表。"

ChatSRS 输出：

表 2  受试制剂与参比制剂 PK 参数描述统计

                    受试制剂 (T)                    参比制剂 (R)
                AUC0-t          Cmax            AUC0-t          Cmax
                (ng·h/mL)       (ng/mL)         (ng·h/mL)       (ng/mL)
算术均值        3897.2          288.4           3986.1          296.7
SD               412.8           34.6            425.1           37.2
几何均值        3873.8          286.3           3961.4          294.5
CV%              10.6%           12.0%           10.7%           12.5%

对数变换后 Shapiro-Wilk：AUC0-t W = 0.971, p = .697；Cmax W = 0.964, p = .543
满足对数正态分布假设。

第二步：线性混合效应模型 + 90% CI（核心 BE 判定步骤）

"对 AUC0-t（对数变换）建立线性混合效应模型，固定效应包括序列、周期、制剂，随机效应为受试者（嵌套于序列），计算受试制剂/参比制剂的几何均值比（GMR）及其 90% 置信区间，判断是否满足 80.00%~125.00% 等效标准；对 Cmax 做同样分析。"

ChatSRS 输出：

BE 分析结果（线性混合效应模型，对数变换，n = 24）

参数      GMR(T/R)%   90% CI 下限%   90% CI 上限%   等效判定
AUC0-t    97.78       92.41          103.46         PASS (在 80-125% 内)
Cmax      97.24       91.82          103.01         PASS (在 80-125% 内)

TOST 双单侧检验（delta = ln(1.25)）：
AUC0-t: t_lower = 4.82, p < .001; t_upper = -4.21, p < .001
Cmax:   t_lower = 4.44, p < .001; t_upper = -3.98, p < .001

受试者内变异系数（CVintra）：AUC0-t = 10.3%，Cmax = 11.8%

可抄进论文的 APA 7th 报告句式

方法章节：药效学统计分析策略

各组动物肿瘤体积数据以均值 ± 标准差（M ± SD）表示，使用 Shapiro-Wilk 检验验证正态性假设，使用 Levene 检验验证方差齐性。组间差异采用单因素方差分析（one-way ANOVA）进行检验，以 Dunnett 检验进行事后多重比较（以空白对照组为参考）。效应量以 eta 平方（eta^2）报告，以 Cohen（1988）标准（.01 = 小效应，.06 = 中效应，.14 = 大效应）解释。统计显著性水平设为 alpha = .05，所有分析均使用 ChatSRS 完成（R 引擎）。

结果章节：ANOVA 主效应

单因素方差分析显示，四组间肿瘤体积存在极显著差异，F(3, 36) = 112.47，p < .001，eta^2 = .904，效应量处于极大水平。Levene 方差齐性检验满足（p = .310）。Dunnett 事后比较显示，与空白对照组（M = 1834.20，SD = 142.35 mm^3）相比，低剂量组（均值差 = -385.60，95% CI [-512.47, -258.73]，p_adj = .001）、中剂量组（均值差 = -741.80，95% CI [-868.67, -614.93]，p_adj < .001）和高剂量组（均值差 = -1219.90，95% CI [-1346.77, -1093.03]，p_adj < .001）的肿瘤体积均显著降低，抑制率分别为 21.0%、40.4% 和 66.5%，呈明显剂量依赖性趋势。

方法章节：生物等效性统计分析策略

药代动力学参数（AUC0-t、Cmax）的生物等效性采用对数变换后的线性混合效应模型（LMEM）进行分析，模型中固定效应包括序列、周期和制剂，受试者（嵌套于序列）作为随机效应。受试制剂与参比制剂的几何均值比（GMR）及其 90% 置信区间（90% CI）通过对数尺度上的 least-squares 均值差反变换获得。依据监管指南（FDA，2003；EMA，2010；NMPA，2021），当 AUC0-t 和 Cmax 的 90% CI 均落在 80.00%~125.00% 范围内时，判定两制剂生物等效。等效性检验采用双单侧 t 检验（TOST）。所有 PK 参数正态性验证采用 Shapiro-Wilk 检验（对数变换后）。统计分析使用 ChatSRS 完成（R 引擎，nlme/lme4 包）。

结果章节：BE 判定结论

AUC0-t 对数变换后满足正态性假设（W = 0.971，p = .697）。线性混合效应模型分析显示，受试制剂与参比制剂 AUC0-t 的几何均值比为 97.78%（90% CI [92.41%, 103.46%]），Cmax 的几何均值比为 97.24%（90% CI [91.82%, 103.01%]）。两项主要终点的 90% CI 均完全落在 80.00%~125.00% 等效窗口内，TOST 双单侧检验结果均达到统计显著（p < .001），受试制剂与参比制剂生物等效。受试者内变异系数（CVintra）较低（AUC0-t = 10.3%，Cmax = 11.8%），样本量充足以满足本研究的统计检验效能要求。

上面这四段可以直接进论文 Methods 和 Results 章节，替换你自己的数值即可。ChatSRS 的"APA 报告"功能可自动生成对应段落，无需手动转写。

常见 FAQ

Q1: 药效实验多组比较，用 Tukey 还是 Dunnett？

取决于比较的目的：

  • Dunnett 检验：所有处理组都与同一个对照组比较（最常见于药效学实验），控制整体 I 类错误更严格，检验效能高于 Tukey
  • Tukey 检验：所有组两两比较，适用于探索每两组之间是否都有差异（适合无明确对照组的场景）

在 ChatSRS 里直接说明"以空白对照组为参考"，AI 会自动使用 Dunnett 检验并给出与对照组比较的校正 p 值和 95% CI。

Q2: 生物等效性 90% CI 为什么不用 95%？

这源于监管规范的历史设计：BE 判定使用双单侧检验（TOST），每侧各检验一次，单侧显著性水平 alpha = .05，对应双侧置信区间恰好是 90% CI。直接使用 95% CI 会过于保守（等于要求双侧各 alpha = .025），导致不必要的样本量增加。FDA、EMA 和 NMPA 指南均明确要求使用 90% CI 进行 BE 判定。ChatSRS 在运行 BE 分析时会自动输出 90% CI，并标注是否满足等效窗口。

Q3: AUC 和 Cmax 一定要做对数变换吗？

是的，这是药学领域的统计共识。血药浓度-时间参数（AUC、Cmax）通常呈右偏分布，对数变换后更接近正态分布，且生物等效性的判定标准（GMR 的 80%~125% 范围）本身就定义在对数尺度上。ChatSRS 在运行 BE 分析时会默认对 AUC 和 Cmax 做 ln 变换，也可以通过正态性检验结果手动确认这一假设。

Q4: 体内药效实验数据量很小（每组 6-10 只），统计有没有意义？

动物实验的小样本问题可以通过以下方式规范处理：

  1. 报告效应量（eta^2、Cohen's d），让读者判断实践显著性而不只依赖 p 值
  2. 报告 95% CI，诚实展示估计不确定性
  3. 正态性检验：Shapiro-Wilk（ChatSRS 自动跑），若不满足正态性考虑 Kruskal-Wallis 非参数检验 + Dunn 事后检验
  4. 说明样本量依据：引用预实验数据或文献报告的效应量进行功效分析，说明样本量合理

ChatSRS 在描述统计输出时自动提示小样本警告，并给出非参数替代方案。

Q5: 论文要求列出所用统计软件，如何引用 ChatSRS？

ChatSRS 底层是 R 引擎，Methods 章节规范写法示例：

"所有统计分析使用 ChatSRS 完成（R 4.4，R Foundation for Statistical Computing；线性混合效应模型使用 nlme 包，ANOVA 分析使用 car 包，显著性水平设为 .05）。"

审稿人和编辑普遍接受，R 是药学领域国际期刊认可的统计工具，也是 BE 监管提交的常用计算平台。

方法速查表

分析目的推荐方法ChatSRS 一句话关键词
多组药效比较单因素 ANOVA"单因素 ANOVA，Levene 检验，eta 平方"
各剂量组 vs 对照Dunnett 事后检验"Dunnett 检验，以对照组为参考，校正 p 值"
所有组两两比较Tukey 事后检验"Tukey HSD 事后比较，95% CI"
控制协变量的药效ANCOVA"以体重为协变量的协方差分析，调整后均值"
非正态药效数据Kruskal-Wallis"Kruskal-Wallis + Dunn 事后检验，Bonferroni 校正"
BE PK 参数描述几何均值 + CV%"几何均值、算术均值、CV% 三线表"
BE 等效性判定LMEM + TOST"线性混合效应模型，90% CI，80-125% 等效窗口"
PK 曲线下面积梯形法 AUC"非房室分析 NCA，AUC0-t、Cmax、t1/2"

相关阅读

本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。