医学研究之两独立样本定量资料样本量计算——多中心随机设计的平均值差法

发布于 2022年2月27日 星期日 11:03:56 浏览:3400
原创不易,转载请注明来源,感谢!

前面介绍了平均值差的非劣效性检验法平均值比的非劣效性检验法,本文主要结合案例介绍多中心随机设计中两独立样本平均值检验 (Tests for Two Means in a Multicenter Randomized Design)的样本量估计。多中心设计是由多个研究者按照同一个试验方案在不同试验点和单位同时进行的临床试验,在连续结局的多中心设计中,针对治疗效应进行F检验,具体计算过程及注意事项如下。

一、案例数据

在一项多中心临床随机试验中,两个试验治疗结局的平均值差为0.50,设定标准差为1.00,相关系数为0.10。取α=0.05、β=0.10,试估计所需的样本含量?

二、案例分析

本例中满足独立样本t检验的要求,计算多中心随机设计的独立样本平均值的样本量可采用均值差法,多中心随机设计的两独立样本平均值检验样本量计算需要以下几个参数:

1. 两组总体的平均值差μ1 - μ2,本例为“0.50”。

2. 所有中心响应变量的标准差σ,本例取“1.00”。

3. 检验水准α 通常取0.01至0.1,本例取“0.05”。

4. 检验功效1-β 通常为0.80或更高,本研究取“0.90”。

5. 组内相关系数ICC 表示中心效应,记为ρ,本例中为“0.10”。

6. 脱失率DR 通常不宜超过20%,本例取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)”—“Two Independent Means (两独立样本均值)”—“Multicenter Randomized (多中心随机设计)”—“Tests for Two Means in a Multicenter Randomized Design (多中心随机设计的两独立样本平均值检验)”,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):

①Solve For: 选择“Sample Size”,表示本分析的目的是用于计算样本量。

②Power and Alpha: Power为把握度,填写“0.90”;Alpha为检验水准,填写“0.05”。

μ1 - μ2 (Mean Difference): 即两组总体的平均值差。本例填“0.50”。

④Group Allocation: 选择“Equal (N1=N2)”,表示每组的样本量相等。

σ (Response Standard Deviation): 即所有中心响应变量的标准差,由于真实方差未知,建议在此输入一系列值。也可单击右侧“σ”按钮,打开Standard Deviation Estimator对话框来估计标准差。本例填“1.0”。

ρ(Intraclass Correlation, ICC): 即组内相关系数,表示中心方差在响应变量总变异中的占比,通常0<ICC<0.15,本例填“0.10”。

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,可知计算的样本例数(N)为152。

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,本研究中为169。

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

在多中心临床随机试验中,已知两个试验治疗结局的平均值差为0.50,设定标准差为1.00,相关系数为0.10。若取检验水准0.05、检验功效0.90,各中心至少需要152例研究对象才能观察出两个试验治疗结局之间有差异。若考虑10%的脱失率,则各中心至少需要169例研究对象。

End
文章目录 沉浸式阅读