結果

我們首先關注沒有延續性效應的情況，及^𝜅

𝜙=0 的情況下，所以假設實驗具 有足夠的洗滌期。

圖一跟圖二分別顯示當樣本數=12、24 時，在不同的藥物效應差異下跟不 同的方法下，增加變異係數(CV)的所有 ABE 聲明百分比。其中圖一跟二的 (a),(b),(c)分對應到的是:變異係數為 10%,20%,30%時 ABE 聲明百分比的情況，

並標示出當 ABE 聲明百分比等於 5%時的基準線。

當增加變異係數時，ABE 聲明百分比就有明顯的下降。在圖一(c)也就是樣 本數等於 12，變異係數為 30%時，四個方法都顯示即使藥物之間的差異很小也不 太可能宣稱會有 ABE(例如當ϕ = 0.1 時)。四個方法中可以看到 Westlake 跟貝氏 法在有生物等效性時，ABE 的聲明百分比都比信賴區間法少，而且在樣本數為 12，

變異係數為 10%，ϕ =0.2231 時可以看到只有信賴區間法的 ABE 聲明百分比為 5%，即使把樣本數增加到 24 情況也相同。

比較圖一跟圖二在不同的樣本數之下但沒有延續性效應的狀態時，可以發 現當樣本數越大 ABE 聲明百分比會明顯的增加，但在變異係數等於 30%，即使藥 物效應差異等於 0 的時候，也無法得到 100%的 ABE 聲明百分比。

20

圖 1 每個序列樣本數為 12 且沒有延續性效應的模擬結果 (a)CV=10%

(b)CV=20%

(C)CV=30%

21

圖 2 每個序列樣本數為 24 且沒有延續性效應的模擬結果 (a)CV=10%

(b)CV=20%

(c)CV=30%

22

圖三開始是在有相對延續性效應的情況下探討 ABE 聲明百分比，其中(a)、

(b)、(c)，分別代表的是變異係數等於 10%、20%、30%的情況下，並標示出 ABE 聲明百分比等於 80%的基準線。在圖三中，ϕ = 0.0953，因為介於±0.2231的區 間中，所以可以預期具有生物等效性，也就是再理想的情況下，ABE 聲明百分比 會在 80%以上，在圖三中的(a)每一個方法幾乎都接近於 100%，但是在相對延續 性效應為負的情況時，存在輕微的 ABE 聲明百分比下降的情況。

對於增加變異係數後可發現，變異係數若越高，ABE 聲明百分比就越低，這 跟在沒有相對延續性效應時得到的結果一樣。除了明顯的 ABE 聲明百分比下降之 外，在相對延續性效應為負數時，三個方法的 ABE 聲明百分比通常較為低，當相 對延續性效應為正號時，ABE 聲明百分比較為高，一個類似斜率為正的概念。比 較圖三及圖四中的(a)、(b)可以發現到，當增加了 10%的變異係數時，可聲明的 ABE 百分比會下降許多，不管是對正的相對延續性效應還是負的相對延續性效應，

由此可以發現到變異係數的影響似乎比相對延續性的影響還要來的強，也就是高 變異性對 ABE 聲明百分比的干擾超過了延續性效應對 ABE 聲明百分比的干擾。

從圖三和圖四中可以得知，信賴區間法表現得比其他兩種方法來的好，因 為在ϕ =0.0953，信賴區間法的 ABE 聲明百分比明顯高於其他兩種方法。

23

圖 3 每個序列樣本數為 12 有延續性效應且藥物效應差為 0.0953 (a)CV=10%

(b)CV=20%

(c)CV=30%

24

圖 4 每個序列樣本數為 24 有延續性效應且藥物效應差為 0.0953 (a)CV=10%

(b)CV=20%

(c)CV=30%

25

圖五跟圖六為ϕ=0.2231 時 ABE 聲明百分比的情況，也就是剛好沒有平均生 物等效性時的情況，同樣(a)、(b)、(c)都各為變異係數等於 10%、20%、30%，在 理想的情況下 ABE 聲明百分比應該落在 5%上，但是模擬出來的結果則不同，負 的相對延續性效應會發生估計時過度保守的狀況(ABE 聲明百分比都很低)，但正 的相對延續性效應則會使三種方法犯型一或是型二錯誤。

當相對延續性效應超過 0.25 時，四種方法的 ABE 聲明百分比都會明顯太 高，且當變異係數低樣本數大情況會更為明顯。換句話說，當在低變異性和高樣 本數的條件下，生物等效性測試會最大程度的受到相對延續性效應的影響，在這 種情況下，會引起 Westlake 法跟貝氏法的型二錯誤，信賴區間法跟雙單側檢定 法則引起型一錯誤。

當相對延續性效應低於-0.1 時，所有方法的 ABE 聲明百分比都會過於低，

也可以說估計得很保守，當變異係數高樣本數小時情況更為明顯。換句話說，如 果當藥物效應差確定為沒有生物等效性的情況下，在高變異性和低樣本數的條件 下，生物等效性測試會最小程度地受到相對延續性效應的影響。

26

圖 5 每個序列樣本數為 12 有延續性效應且藥物效應差為 0.2231 (a)CV=10%

(b)CV=20%

(c)CV=30%

27

圖 6 每個序列樣本數為 24 有延續性效應且藥物效應差為 0.2231 (a)CV=10%

(b)CV=20%

(c)CV=30%

28

圖七，圖八為ϕ = 0.2624時的模擬情況，同樣的(a)、(b)、(c)分別為變異 係數等於 10%、20%、30%。因為ϕ 等於 0.2624，可以的得知這是一個沒有生物 等效性的情況，並且所有模擬出來的 ABE 聲明百分比在理想情況下都應該接近 0%，但在相對延續性效應為正時可以看到有些 ABE 聲明百分比會明顯超過，例如 圖七的(a)。相對延續性效應在大於 0.25 時，信賴區間法的 ABE 聲明百分比就明 顯地接近或是超過 5%，若是看到圖八的(a)則會更為明顯，在大樣本低變異性的 情況下更為明顯。

在沒有平均生物等效性的情況下，當相對延續性效應大於 0.25，可能會使 Westlake 跟貝氏法發生型二錯誤，信賴區間法跟雙單側檢定法發生型一錯誤，

而且當變異係數低樣本數高時會更為明顯，也就是說如果在確定藥物效應差為沒 有生物等效性的情況下時，高變異性和低樣本數的條件下，生物等效性測試會最 小程度地受到相對延續性效應的影響。

29

圖 7 每個序列樣本數為 12 有延續性效應且藥物效應差為 0.2624 (a)CV=10%

(b)CV=20%

(c)CV=30%

30

圖 8 每個序列樣本數為 24 有延續性效應且藥物效應差為 0.2624 (a)CV=10%

(b)CV=20%

(c)CV=30%

31