Biostatistiker

En biostatistiker afgør, om et forsøg kan svare på sit eget spørgsmål. Det sker før forsøget starter. Bagefter er det biostatistikeren, der siger, om forskellen mellem behandling og placebo er reel eller tilfældig.

Rollen findes i medicinalvirksomheder som Novo Nordisk, Lundbeck, LEO Pharma, Bavarian Nordic og Zealand Pharma, i CRO'er som ICON, IQVIA og Parexel, på universitetshospitalernes forskningsenheder og hos myndigheder som Lægemiddelstyrelsen og Statens Serum Institut. En del arbejder også i registerforskning på Aarhus Universitet eller Københavns Universitet.

Typiske opgaver:

• Beregne styrke og stikprøvestørrelse: hvor mange patienter skal der til, før man kan se en effekt
• Vælge forsøgsdesign: parallelgruppe, crossover, non-inferiority eller adaptivt design
• Skrive protokollens statistiske afsnit sammen med den medicinske ansvarlige
• Skrive den statistiske analyseplan (SAP), som skal være færdig og godkendt, før databasen låses
• Definere estimand: præcis hvilken effekt man måler, og hvordan man håndterer patienter, der stopper
• Lave randomiseringsplan og specificere den til IRT-systemet
• Programmere eller kvalitetssikre tabeller, figurer og lister (TFL'er)
• Håndtere manglende data med for eksempel multipel imputation
• Analysere overlevelsesdata med Kaplan-Meier og Cox-regression, typisk i onkologi
• Præsentere resultater for en uafhængig sikkerhedskomité (DMC), der ser ublindede data undervejs
• Svare på statistiske spørgsmål fra Lægemiddelstyrelsen, EMA eller FDA under sagsbehandling
• Bidrage med tal og fortolkning til studierapporter og videnskabelige artikler

En almindelig dag er kode, specifikationer og møder. Formiddagen går med at gennemgå output fra en programmør og finde ud af, hvorfor to tabeller ikke stemmer. Efter frokost er der møde om et nyt studie, hvor en klinisk chef vil have færre patienter, end beregningen kræver. Man forklarer, hvad prisen er i sandsynlighed for at overse en effekt. Sidst på dagen skriver man videre på analyseplanen.

Det særlige ved faget er unblinding-øjeblikket. Når databasen er låst og koden brydes, er biostatistikeren blandt de første, der ser, om et lægemiddel virker. Det kan være mange års arbejde, der afgøres på en eftermiddag.

Det svære er at holde fast i det, der blev aftalt på forhånd. Der er altid nogen, der vil kigge på en undergruppe, hvor tallene ser bedre ud. Den grænse skal biostatistikeren holde.

Hvilken lovgivning dækker denne rolle?

Rollen er ikke en beskyttet titel, men arbejdet er stramt reguleret. Standarden ICH E9 om statistiske principper for kliniske forsøg fastlægger blandt andet, at analysen skal være specificeret før ublinding, og tillægget ICH E9(R1) indførte begrebet estimand. EU's forordning 536/2014 om kliniske forsøg kræver, at analysemetoderne fremgår af protokollen, som godkendes af Lægemiddelstyrelsen og en videnskabsetisk komité efter komitéloven. Data leveres til myndighederne i standarderne CDISC SDTM og ADaM, som både EMA og FDA kræver ved ansøgning. Arbejde med registerdata fra Danmarks Statistik eller Sundhedsdatastyrelsen kræver særskilt godkendelse og sker på lukkede servere efter databeskyttelsesforordningen (GDPR).

Biostatistik er et matematisk fag. Man kommer ind med en kandidatgrad, hvor statistik fylder meget.

De mest brugte danske uddannelser:

• Cand.scient. i statistik — København eller Aarhus Universitet, to år oven på en bachelor i matematik eller matematik-økonomi
• Cand.scient. i matematik-økonomi — bredt anerkendt, mange ender i medicinalindustrien
• Cand.scient. i matematik med statistikprofil
• Cand.scient.san. eller folkesundhedsvidenskab med tung metodeprofil — bruges især i registerforskning og epidemiologi
• Cand.scient. i data science eller machine learning — ses i stigende grad, men kræver ofte supplering i klassisk forsøgsstatistik

Bachelor plus kandidat tager fem år. Adgangskravet til matematik-tunge bacheloruddannelser er typisk Matematik A og et gennemsnit, der svinger mellem år og universitet.

Københavns Universitet udbyder en egentlig kandidatprofil i biostatistik, og Aarhus Universitet har et tilsvarende spor. Det er den mest direkte vej. Har man ikke gået den vej, vejer konkrete kurser i forsøgsdesign, overlevelsesanalyse og lineære blandede modeller tungt.

En ph.d. er ikke et krav, men er almindelig. Den bruges især i roller, hvor man selv skal designe komplekse eller adaptive studier. Til programmerings- og analyseopgaver rækker kandidatgraden.

Alternative veje ind i faget:

• Som statistisk programmør først: man skriver SAS-kode ud fra andres specifikationer og bevæger sig derefter mod analyse og design. Den mest brugte indgang for nyuddannede
• Fra akademisk forskning: ph.d. eller postdoc i epidemiologi eller biostatistik, der skifter til industrien
• Fra en anden branche: statistikere fra forsikring, finans eller Danmarks Statistik. Man skal så lære det kliniske domæne og reglerne
• Fra hospitalet: forskere med tung metodeerfaring fra registerstudier

GCP-træning forventes i de fleste stillinger. Kendskab til ICH E9 og til CDISC-standarderne SDTM og ADaM er ofte nævnt direkte i opslag. Det læres i praksis, ikke på universitetet.

Engelsk på højt niveau er nødvendigt. Analyseplaner, kode og møder er på engelsk.

Regn med et til tre år, før man selvstændigt er study statistician på et forsøg. Herefter går karrieren til senior biostatistiker, lead statistician på et helt program eller teamleder. Andre spor er statistisk metodeudvikling, real world evidence og health economics, hvor man laver sundhedsøkonomiske modeller til Medicinrådet. Nogle går til Lægemiddelstyrelsen eller EMA som vurderende statistiker, andre til data science i biotek.

SAS er stadig standarden i regulatorisk arbejde, men R vinder frem.

• SAS — det mest brugte værktøj til analyser, der skal indsendes til myndigheder. Base SAS, PROC MIXED, PROC PHREG, PROC LIFETEST og SAS macro-sproget
• R — bruges bredt til metodeudvikling, grafik og i akademisk forskning. Pakker som survival, lme4, ggplot2 og rmarkdown. Nogle virksomheder indsender nu også R-baserede analyser med validerede pakker fra R Consortium
• Python — mest til data science, machine learning og automatisering, sjældnere til de regulatoriske analyser
• CDISC-standarder — SDTM til rådata og ADaM til analyseklare datasæt. Struktur og navngivning er defineret på forhånd
• Stikprøveberegning — nQuery, PASS eller egne funktioner i R
• Versionsstyring og validering — Git, plus et valideret miljø hvor kode dobbeltprogrammeres af to personer uafhængigt af hinanden
• EDC-systemer — Medidata Rave eller Veeva CDMS, hvor rådata kommer fra
• Registerdata — Danmarks Statistiks forskerordning og Sundhedsdatastyrelsens Forskerservice, hvor analyser kører på lukkede servere uden mulighed for at hente rådata ud
• Dokumentation — analyseplanen i Word, resultater leveret som TFL'er i RTF eller PDF til medical writing

Dobbeltprogrammering er en fast del af faget. To personer koder den samme tabel uafhængigt, og resultaterne sammenlignes. Stemmer de ikke, finder man fejlen, før tallet forlader huset.