流行病学数据怎么看？

生物医药项目里最易被滥用的就是流行病学数据。

拿最大患者数，乘上乐观的价格，配上漂亮的全球地图。

再往后rNPV一拉，折现率一调，成功率一微操，估值就支棱起来了。

看上去人模狗样的引用WHO、IARC、Lancet、医保数据库、专家共识，实际上一肚子鸡鸣狗盗，故意放大估值。

患者数一大，市场空间就大，故事就性感，融资和BD就有气氛。

01

Incidence和Prevalence，傻傻分不清

Incidence是发病率，Prevalence是患病率！

我敢保证八九成用这些数据的人，根部分不清这两个概念。

它们区别是啥呢，简单说：患病率 ≈ 发病率 × 疾病持续时间

所以背后是完全不同的商业模型。

如果是肿瘤新发、急性感染、术后辅助、急性事件，发病率更关键，患者主要来自每年新增患者。

如果做慢病、自免、代谢、CNS疾病，患者生存期和治疗周期长，存量患者池决定商业天花板，所以用患病率描述市场更科学。

靠新发患者的销售模型，是一波一波的收入。

靠存量患者的市场模型，要看治疗时长、依从性等相关细节。

还有一类比较特殊，一次性治疗的CAR-T或基因治疗，这类药物前期吃存量患者红利，后面的每年新发病例就非常重要了。

这些搞不懂，峰值销售、rNPV、WACC、折现率这些，纯粹扯淡骗人的。

02

患者漏斗

一个疾病从流行病数据到收入的模型，这个过程可不是简单的直线，而是复杂的层层筛选。

层层筛选，就会剔除掉滥竽充数的病例。

这样下来，差的可不是打八折，而是数量级的差别。

举个简单的肿瘤药模型。

某癌种每年新发10万人，其中晚期患者60%，剩6万人➡️某突变阳性率10%，剩6000人➡️NGS检测率60%，剩3600人➡️目标线数患者50%，剩1800人➡️体能和器官功能合格80%，剩1440人➡️支付可及70%，剩1000人➡️第一年渗透率20%，最后只有200个患者真正用药。

从10万到200，这中间的弯弯绕，太多了～

这也是很多项目上市销售不及预期的原因。

所以每个项目材料里都应有一页患者漏斗图。

画不出来，说明还没搞清楚市场。

虚胖的市场，就是故意骗钱～

03

疾病负担比患者数更重要

所有的分析都会指向：临床存在巨大未被满足的需求。

但深入的问问这个需求到底是什么？又不懂了！

临床的需求无非两类，和患者本人相关的是患者预期寿命，再就是疾病相关的生活质量，这两个是最直接的需求。

进一步是经济层面，患病后会不会丧失劳动力，是否需别人照护，长期治治疗的经济负担等等，这些决定了药物的直接渗透率

这些才是真正的疾病负担

未被满足的需求就是 现有治疗无法解决的上述问题。

这一点参考胖猫之前的一篇文章：《》

结论只写一句临床需求巨大，绝对是糊弄鬼的外行。

04

中国数据+美国价格+全球市场

多么熟悉的味道啊！

用中国患者数，套美国价格，再放大到全球市场。

最后得出一个振奋人心的数字。

流行病学数据不能跨地区乱用。

不同地区的人种不同，遗传背景和疾病谱不同，且因经济发展不均衡，诊疗意愿差异也很大。

再有就是全球支付体系不同。

美国商保和Medicare、欧洲HTA、中国医保谈判，日本药价制度，各自逻辑差异很大。

不同地区医生的临床偏好也不同。

指南一样不等于医生都这么用；药批了，不等于医院都进；医院进了，不等于患者都能用。

所以全球流病看看趋势就得了，真拿来直接用就是非蠢即笨了～

很多专业分析把市场拆成US、EU5、Japan、China和ROW。

不是闲得慌。

因为每个市场的患者转化率、价格、准入、销售成本完全不同。

05

数据来源，以讹传讹！

流病数据还有一个毛病，就是互相引用。

一篇综述引用另一篇，市场报告引用专家访谈，公司PPT引用市场报告，投行材料再引用公司PPT。

最后所有人都说这个病有多少患者，但没人知道最早的数字怎么来的。

实际上，很多病确实缺少高质量发病登记系统。患者分散，诊断延迟，研究样本小，不同地区差异大。

越是这样，越要追来源。

数据来源分几档：

第一档，全国性数据库、权威公共数据库、大样本医保或保险数据库、人群代表性研究。

第二档，多中心队列、真实世界数据库、系统综述和Meta分析。

第三档，单中心研究、小样本队列、专家估算。

第四档，没原始出处的商业报告、公司PPT、投行二手转述。

商业报告不是不能用，但不能替代原始流病证据，尤其是核心患者数，一定要尽量追到原始来源。

06

常见翻车案例

最后再补几个常见翻车案例。

把患病率当治疗率。

某病患病率高，材料直接写"潜在治疗人群巨大"。

但真实世界，大量患者并未接受规范治疗，有些是轻症，有些靠生活方式管理，有些不愿意长期用药，有些医生认为现有便宜药足够。

所以说患病了不等于接受治疗，更不等于吃药～

第二类是把阳性率当市场份额。

Biomarker分型非常常见。一个分型的阳性率达到20%，不代表能拿到20%的病种市场。

还要充分考虑检测率、报告可及性、治疗线数、竞品覆盖、医生采用率、支付比例。

第三类是把试验人群放大到商业人群。试验入组标准严格，按入排标准层层筛过，真实世界差别就大了，按这个标准会导致短期让市场变大，长期非常不靠谱。

再有就是忘记竞品会改变患者池。

患者池不是静态的。竞品上市、指南更新、检测普及、医保准入、医生习惯变化，都会改变目标人群。

如果前线治疗越来越有效，后线患者可能减少。一个靶向药如果被更早线数使用，后续线数的患者结构也会变化。

所以市场模型不能只看今天，要看上市时患者池会变成什么样。

只谈患者，不写医生。

很多模型把患者算得很细，却不谈医生行为。

患者虽然是消费者，但却非常被动，没有医生处方是无法用药的。

所以医生为什么开药？

如果医生没动力，患者池再大也动不起来。

药物商业化不是数学题，也是行为题。

最后是只写需求，不写支付。

患者痛苦，不等于支付方买单。

尤其大慢病，动辄几千万患者都能用，那这个整体盘子压力立马就上来了，所以大适应症药物要特别重视价值证据。

结语：到底哪些患者会真的用你的药？

流病数据当然重要，但不是用来画大饼的。

流病数据不难懂，把假市场当真市场，把理论患者当商业患者，把流行病学数据当融资修辞。

真真的是，其心可诛～

欢迎专业的读者老爷加入胖猫的知识星球，我们一起学习专业知识，共同讨论创新药赚钱大计！发大财，我们携手并进！