医学研究之单样本定量资料样本量计算——效应大小法

发布于 2021年9月29日 星期三 13:29:17 浏览:3111
原创不易,转载请注明来源,感谢!

前面介绍了“医学研究之单样本定量资料样本量计算——均值法”,本文结合实际案例介绍单样本定量资料中使用效应大小(Test for One Mean using Effect Size)计算样本量的过程及注意事项。

从单个独立的正态分布的总体中进行抽样时,可将其效应大小d与指定值进行比较,即为效应大小法。

\(d=\frac{\mu_{1}-\mu_{0}}{\sigma} \)

一、案例数据

欲将新型降压药的降压效果与其他降压药的典型值进行比较,对受试者注射该新型降压药,若欲检测出大、中、小效应,至少需要多少例受试者?

二、案例分析

血压数值为连续性资料,根据既往科学研究,人体血压水平服从正态分布,且本案例中样本为随机样本,因此满足单样本t检验的要求。

本研究中,计算单样本平均值的差异性检验的样本量可采用效应大小法,需要以下几个参数:

  1. 指定的效应大小d,参考Cohen建议,本例中效应小、中、大分别为0.2、0.5、0.8。
  2. 检验水准α (通常取0.01至0.1,本研究取0.05)。
  3. 检验功效1-β (通常为0.8或更高,本研究取0.9)。
  4. 脱失率DR (通常不宜超过20%,本研究取10%)。

三、软件操作

(一) 方法选择

在左侧界面中依次选择“Procedures (程序)”—“Means (均值)”—“One Mean (单样本均值)”—“Test (Inequality) (非均衡性检验)”—“Test for One Mean using Effect Size (效应大小法检验单样本均值)”,见图1。

图1

(二) 参数设置

在“Design (设置)”模块中按以下参数设置相应选项(图2):

  1. Solve For: 选择“Sample Size”,表示本分析的目的是用于计算样本量。
  2. Alternative Hypothesis: 选择“Two-Sided”,表示检验新旧两药效应相同的假设。
  3. Power and Alpha: Power为把握度,填写“0.90”;Alpha为检验水准,填写“0.05”。
  4. Effect Size: d为希望检测的效应大小值,可为任意非0值,通常介于-3~3,本例填“0.2 0.5 0.8”。
图2

(三) 脱失率设置

在“Reports (结果报告)”模块中,勾选“Show Dropout-Inflated Sample Size Report (报告脱失样本量)”,在“Dropout Rate”中填写“10%”(图3),表示按照10%的脱失率计算样本量。设置好上述参数后点击“Calculate (计算)”。

图3

四、结果及解释

图4列出了该研究设计的相关参数和样本量计算结果,可知欲检测出小、中、大效应时,计算出的样本例数(N)分别为265、44、19。

图4

图5“References (参考文献)”列出了该计算过程中参考的相关文献;“Report Definitions (报告定义)”列出了各个参数的具体解释;“Summary Statements (报告概述)”为整个分析报告的摘要。

图5

图6“Dropout-Inflated Sample Size (脱失样本量)”为考虑了脱失率的样本量(N'),也是研究实际开展过程中需要达到的最低样本量,本研究中对应小、中、大效应分别为295、49和22。

图6

图7为此次样本量估算整个过程的详细参数设置汇总。

图7

五、结论

该案例为单样本平均值的差异性检验(效应大小法)样本量计算,可知指定效应大小。若取检验水准0.05、检验功效0.90,要获得期望效应(小、中、大),至少分别需要265、44和19例研究对象。若考虑10%的脱失率,则至少分别需要295、49和22例研究对象。

End
文章目录 沉浸式阅读