用SPSS软件计算新药的LD50

用SPSS软件计算新药的LD50 新药急性毒性试验的LD50测定是临床前安全评价的重要内容，也是各类药品(化学、中药和生物制品)注册时必需申报的资料。LD50的计算有10余种方法, 80年代出现的“Bliss法半数效量电子计算器程序运算法”曾得到广泛应用，但随着时代的发展，尤其是电子计算机的日益普及，该方法也显现出操作比较繁杂、无法人机对话及无结果输出等不足。近期虽有人报道直接用计算机计算LD50的方法，但需要预先进行编程。现介绍直接用SPSS(Statistical Package for the Social Science)软件进行机率单位加权回归法(Bliss法)计算LD50的方法，其具有简单、快速、直观和方便的特点。 以某药的急性毒性试验所得数据(见1)为例。对用SPSS软件计算LD50的过程进行介绍。 表1某药急性毒性试验数据 剂量动物总数 死亡数 (mg/kg) 192.00 10 1 240.00 10 3 300.00 10 6 375.00 10 8 468.75 10 9 输人表1数据的过程如下: 运行SPSS 10.0 for Windows，进人SPSS数据编辑器后，首先激活变量表(Variable View)定义变量，在变量名(name)下输人“剂量”、“动物数”和“死亡数”，并将“剂量”的小数点位数(Decimal)设为“2"“动物数”和“死亡数”的小数点位数设为“0"。然后进人数据表(Data View)，根据表头提示，依次输入各组数据。 1.2参数选择 在数据表主菜单中，选择Analyze,Regression,Probit，调出Probit Analyze 对话框，只需将“剂量”选入“Covariates”栏中，“死亡数”选入“Response frequency”栏中，“动物总数”选入“Total observed”栏中，在"Transform”栏中，选择“log base 10"(以10为底的对数转换)，其它保持默认选项(图2)。然后单击“OK"钮即完成整个操作过程。 2结果 完成上述操作，SPSS会自动显示全部分析结果(SPSS Viewer)，其中包括:回归方程参数表，不同剂量的实验值和预期值概率表，从0.01到0.99死亡率的剂量(包括0.50，即LD50)及95%可信区间表。以及对数单位与概率单位的关系 曲线图。 输出结果如下: PROBIT 死亡数 OF 动物总数 WITH 剂量 /LOG 10 /MODEL PROBIT /PRINT FREQ CI /CRITERIA P(0.15) ITERATE(20) STEPLIMIT(.1). Probit Analysis Notes Output Created 2008-05-26T17:11:06.156 Comments Input Active Dataset DataSet0 Filter Weight Split File N of Rows in Working Data 5 File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics are based on all cases with valid data for all variables in the model. PROBIT 死亡数 OF 动物总数 WITH 剂Syntax 量 /LOG 10 /MODEL PROBIT /PRINT FREQ CI /CRITERIA P(0.15) ITERATE(20) STEPLIMIT(.1). Resources Processor Time 0:00:00.703 Elapsed Time 0:00:00.984 [DataSet0] Warnings Relative Median Potency Estimates are not displayed because there is no grouping variable in the model. Data Information N of Cases Valid 5 Rejected Missing 0 LOG Transform Cannot be 0 Done Number of Responses > 0 Number of Subjects Control Group 0 Convergence Information Number of Optimal Solution Iterations Found PROBIT 8 Yes Parameter Estimates 95% Confidence Interval Parameter Estimate Std. Error Z Sig. Lower Bound Upper Bound a剂量 PROBIT 6.756 1.686 4.007 .000 3.451 10.061 Intercept -16.599 4.167 -3.983 .000 -20.766 -12.431 a. PROBIT model: PROBIT(p) = Intercept + BX (Covariates X are transformed using the base 10.000 logarithm.) Chi-Square Tests a Chi-Square df Sig. bPROBIT Pearson Goodness-of-Fit Test .234 3 .972 a. Statistics based on individual cases differ from statistics based on aggregated cases. b. Since the significance level is greater than .150, no heterogeneity factor is used in the calculation of confidence limits. Cell Counts and Residuals Number of Observed Expected 剂量 Number Subjects Responses Responses Residual Probability PROBIT 1 2.283 10 1 1.206 -.206 .121 2 2.380 10 3 3.026 -.026 .303 3 2.477 10 6 5.548 .452 .555 4 2.574 10 8 7.860 .140 .786 5 2.671 10 9 9.261 -.261 .926 Confidence Limits a 95% Confidence Limits for 剂量 95% Confidence Limits for log(剂量)Probabil ity Estimate Lower Bound Upper Bound Estimate Lower Bound Upper Bound PROBIT 0.01 129.544 57.746 173.508 2.112 1.762 2.239 0.02 142.155 69.071 185.192 2.153 1.839 2.268 0.03 150.786 77.353 193.080 2.178 1.888 2.286 0.04 157.623 84.212 199.283 2.198 1.925 2.299 0.05 163.412 90.221 204.513 2.213 1.955 2.311 0.06 168.506 95.657 209.104 2.227 1.981 2.320 0.07 173.103 100.679 213.242 2.238 2.003 2.329 0.08 177.326 105.387 217.043 2.249 2.023 2.337 0.09 181.256 109.847 220.582 2.258 2.041 2.344 0.1 184.950 114.108 223.913 2.267 2.057 2.350 0.15 201.064 133.407 238.561 2.303 2.125 2.378 0.2 214.866 150.741 251.394 2.332 2.178 2.400 0.25 227.460 167.039 263.513 2.357 2.223 2.421 0.3 239.397 182.738 275.547 2.379 2.262 2.440 0.35 251.018 198.054 287.978 2.400 2.297 2.459 0.4 262.566 213.084 301.263 2.419 2.329 2.479 0.45 274.243 227.851 315.888 2.438 2.358 2.500 0.5 286.243 242.336 332.401 2.457 2.384 2.522 0.55 298.768 256.532 351.429 2.475 2.409 2.546 0.6 312.056 270.487 373.697 2.494 2.432 2.573 0.65 326.412 284.347 400.102 2.514 2.454 2.602 0.7 342.256 298.389 431.873 2.534 2.475 2.635 0.75 360.218 313.051 470.899 2.557 2.496 2.673 0.8 381.331 329.015 520.430 2.581 2.517 2.716 0.85 407.508 347.456 586.793 2.610 2.541 2.768 0.9 443.012 370.835 684.834 2.646 2.569 2.836 0.91 452.041 376.556 711.171 2.655 2.576 2.852 0.92 462.059 382.815 741.040 2.665 2.583 2.870 0.93 473.331 389.757 775.454 2.675 2.591 2.890 0.94 486.245 397.590 815.922 2.687 2.599 2.912 0.95 501.403 406.637 864.827 2.700 2.609 2.937 0.96 519.818 417.435 926.253 2.716 2.621 2.967 0.97 543.386 430.981 1008.065 2.735 2.634 3.003 0.98 576.378 449.491 1128.565 2.761 2.653 3.053 0.99 632.491 479.951 1349.354 2.801 2.681 3.130 a. Logarithm base = 10.