流行病學數據怎么看？

生物醫藥項目里最易被濫用的就是流行病學數據。

拿最大患者數，乘上樂觀的價格，配上漂亮的全球地圖。

再往后rNPV一拉，折現率一調，成功率一微操，估值就支棱起來了。

看上去人模狗樣的引用WHO、IARC、Lancet、醫保數據庫、專家共識，實際上一肚子雞鳴狗盜，故意放大估值。

患者數一大，市場空間就大，故事就性感，融資和BD就有氣氛。

01

Incidence和Prevalence，傻傻分不清

Incidence是發病率，Prevalence是患病率！

我敢保證八九成用這些數據的人，根部分不清這兩個概念。

它們區別是啥呢，簡單說：患病率 ≈ 發病率 × 疾病持續時間

所以背后是完全不同的商業模型。

如果是腫瘤新發、急性感染、術后輔助、急性事件，發病率更關鍵，患者主要來自每年新增患者。

如果做慢病、自免、代謝、CNS疾病，患者生存期和治療周期長，存量患者池決定商業天花板，所以用患病率描述市場更科學。

靠新發患者的銷售模型，是一波一波的收入。

靠存量患者的市場模型，要看治療時長、依從性等相關細節。

還有一類比較特殊，一次性治療的CAR-T或基因治療，這類藥物前期吃存量患者紅利，后面的每年新發病例就非常重要了。

這些搞不懂，峰值銷售、rNPV、WACC、折現率這些，純粹扯淡騙人的。

02

患者漏斗

一個疾病從流行病數據到收入的模型，這個過程可不是簡單的直線，而是復雜的層層篩選。

層層篩選，就會剔除掉濫竽充數的病例。

這樣下來，差的可不是打八折，而是數量級的差別。

舉個簡單的腫瘤藥模型。

某癌種每年新發10萬人，其中晚期患者60%，剩6萬人??某突變陽性率10%，剩6000人??NGS檢測率60%，剩3600人??目標線數患者50%，剩1800人??體能和器官功能合格80%，剩1440人??支付可及70%，剩1000人??第一年滲透率20%，最后只有200個患者真正用藥。

從10萬到200，這中間的彎彎繞，太多了～

這也是很多項目上市銷售不及預期的原因。

所以每個項目材料里都應有一頁患者漏斗圖。

畫不出來，說明還沒搞清楚市場。

虛胖的市場，就是故意騙錢～

03

疾病負擔比患者數更重要

所有的分析都會指向：臨床存在巨大未被滿足的需求。

但深入的問問這個需求到底是什么？又不懂了！

臨床的需求無非兩類，和患者本人相關的是患者預期壽命，再就是疾病相關的生活質量，這兩個是最直接的需求。

進一步是經濟層面，患病后會不會喪失勞動力，是否需別人照護，長期治治療的經濟負擔等等，這些決定了藥物的直接滲透率

這些才是真正的疾病負擔

未被滿足的需求就是 現有治療無法解決的上述問題。

這一點參考胖貓之前的一篇文章：《》

結論只寫一句臨床需求巨大，絕對是糊弄鬼的外行。

04

中國數據+美國價格+全球市場

多么熟悉的味道啊！

用中國患者數，套美國價格，再放大到全球市場。

最后得出一個振奮人心的數字。

流行病學數據不能跨地區亂用。

不同地區的人種不同，遺傳背景和疾病譜不同，且因經濟發展不均衡，診療意愿差異也很大。

再有就是全球支付體系不同。

美國商保和Medicare、歐洲HTA、中國醫保談判，日本藥價制度，各自邏輯差異很大。

不同地區醫生的臨床偏好也不同。

指南一樣不等于醫生都這么用；藥批了，不等于醫院都進；醫院進了，不等于患者都能用。

所以全球流病看看趨勢就得了，真拿來直接用就是非蠢即笨了～

很多專業分析把市場拆成US、EU5、Japan、China和ROW。

不是閑得慌。

因為每個市場的患者轉化率、價格、準入、銷售成本完全不同。

05

數據來源，以訛傳訛！

流病數據還有一個毛病，就是互相引用。

一篇綜述引用另一篇，市場報告引用專家訪談，公司PPT引用市場報告，投行材料再引用公司PPT。

最后所有人都說這個病有多少患者，但沒人知道最早的數字怎么來的。

實際上，很多病確實缺少高質量發病登記系統。患者分散，診斷延遲，研究樣本小，不同地區差異大。

越是這樣，越要追來源。

數據來源分幾檔：

第一檔，全國性數據庫、權威公共數據庫、大樣本醫保或保險數據庫、人群代表性研究。

第二檔，多中心隊列、真實世界數據庫、系統綜述和Meta分析。

第三檔，單中心研究、小樣本隊列、專家估算。

第四檔，沒原始出處的商業報告、公司PPT、投行二手轉述。

商業報告不是不能用，但不能替代原始流病證據，尤其是核心患者數，一定要盡量追到原始來源。

06

常見翻車案例

最后再補幾個常見翻車案例。

把患病率當治療率。

某病患病率高，材料直接寫"潛在治療人群巨大"。

但真實世界，大量患者并未接受規范治療，有些是輕癥，有些靠生活方式管理，有些不愿意長期用藥，有些醫生認為現有便宜藥足夠。

所以說患病了不等于接受治療，更不等于吃藥～

第二類是把陽性率當市場份額。

Biomarker分型非常常見。一個分型的陽性率達到20%，不代表能拿到20%的病種市場。

還要充分考慮檢測率、報告可及性、治療線數、競品覆蓋、醫生采用率、支付比例。

第三類是把試驗人群放大到商業人群。試驗入組標準嚴格，按入排標準層層篩過，真實世界差別就大了，按這個標準會導致短期讓市場變大，長期非常不靠譜。

再有就是忘記競品會改變患者池。

患者池不是靜態的。競品上市、指南更新、檢測普及、醫保準入、醫生習慣變化，都會改變目標人群。

如果前線治療越來越有效，后線患者可能減少。一個靶向藥如果被更早線數使用，后續線數的患者結構也會變化。

所以市場模型不能只看今天，要看上市時患者池會變成什么樣。

只談患者，不寫醫生。

很多模型把患者算得很細，卻不談醫生行為。

患者雖然是消費者，但卻非常被動，沒有醫生處方是無法用藥的。

所以醫生為什么開藥？

如果醫生沒動力，患者池再大也動不起來。

藥物商業化不是數學題，也是行為題。

最后是只寫需求，不寫支付。

患者痛苦，不等于支付方買單。

尤其大慢病，動輒幾千萬患者都能用，那這個整體盤子壓力立馬就上來了，所以大適應癥藥物要特別重視價值證據。

結語：到底哪些患者會真的用你的藥？

流病數據當然重要，但不是用來畫大餅的。

流病數據不難懂，把假市場當真市場，把理論患者當商業患者，把流行病學數據當融資修辭。

真真的是，其心可誅～

歡迎專業的讀者老爺加入胖貓的知識星球，我們一起學習專業知識，共同討論創新藥賺錢大計！發大財，我們攜手并進！