化妆品功效评价的
数据统计分析
化妆品企业通常投入巨大去开发新产品。新产品通常基于大量的消费者调研进行定位，并经过功效验证后上市。一个具有差异化、竞争力的产品策划，只有通过科学的、合规的检测方法进行验证，才能够经得起市场、法规和消费者的检验。随着化妆品新法规的实施，产品宣称支持越来越规范化。不仅要求测试方法有出处、经过验证，同时要求收集到的数据也应该符合客观、公正、合理的统计学要求。统计学原理有很多不同的方法，进行数据分析时，运用合适的方法既能达到分析的目的，同时又保证与数据类型、数据相互关系相适应，经得住科学的检验是很重要的。使用不准确的统计方法将意味着得出的结论是不合理的，甚至是误导消费者的。本文简略介绍化妆品临床功效评价中的常用的数据统计分析。
第一步：
评估数据的属性
数据一般分为计量数据和计数数据。仪器检测数据通常都是计量数据，如角质层含水量、TEWL、光泽度、皱纹的数量/面积、皱纹的粗糙度Sa/Sq、皮肤颜色L*/a*/b*值等。而医生/专家评分、受试者自评等则属于计数数据，比如皱纹评分、乳酸刺痛评分等。不同的数据类型，数据的呈现方式也不同。计量数据一般采用平均值±标准差，计数数据采用中位数（最小值，最大值）的方式表示。第二步
判断数据的分布
这里主要是指计量数据。需检查数据是否符合正态分布，如果数据不符合正态分布，选择秩和检验。如果数据符合正态分布，进一步检查数据是否方差齐性，如果方差不齐，也可以选择秩和检验，也可以选择t‘检验。最后根据试验的设计选择合适的统计方法，如配对检验、方差分析等。而计数数据，通常选择秩和检验进行差异性分析。
第三步
检验水准的设定
检验水准（α）可以理解为小概率事件的最大概率，通常选择5%的水平。P值是统计学中随机事件发生的概率。当随机事件发生概率小于或等于0.05，通常可以认为该事件是一个小概率事件，表示在大多数情况下不会发生。当P值小于0.05时，表示两组数据来自于同一个整体的概率极小，说明进行比较的数据组之间存在显著性差异。也有部分文献中设定的检验水准α=0.1，可以根据产品评估的需求，设定合适的可信度。
上面简单的介绍了临床功效评价的数据统计分析的基本原则。需要指出的一点是，在我们确定试验方案时，同时也决定了数据的类型，也就基本决定了统计分析的方法。在设计试验方案时，要充分考虑试验的目的、选用的对照形式、观察时间节点的设置、观察的指标，受试者的筛选标准等。如此考虑周全后，数据的类型、对照的设计、哪些数据需要进行差异性分析才能够清楚明了。如果是探索性研究项目，数据分析会更加的复杂，可选择的分析方法更加多样化，且影响因素也较多，对试验方案的设计的要求则更高，本文不再扩展详述。下图列举了化妆品常规临床功效评价中数据统计方法的选择路线，仅供大家参考。上海测谱检测技术有限公司
是由「上海整形医学产业创新研究院-上海医学美容和皮肤健康研究所」发起设立
专注于为化妆品生产企业、品牌方提供化妆品人体安全与功效检测服务的第三方检测实验室
本文编辑：佚名
转载请注明出地址 http://www.juguye.com/ggygq/8765.html
