医学研究之配对样本定性资料样本量计算——McNemar检验优势比法

一、案例数据

某研究者采用1：1配对病例对照研究，研究外源性雌激素与子宫内膜癌关系。根据相关研究可知，OR为9.67，不一致对的比例π_D为0.51(关于π_D详见“医学研究之配对样本定性资料样本量计算——McNemar检验率差法”，(链接))。取α=0.05，β=0.20，进行双侧差异性检验，试估计至少需要多少研究对象? 

二、案例分析

外源性雌激素的暴露情况(有暴露史和无暴露史)为二分类资料，欲研究外源性雌激素与子宫内膜癌关系，已知OR值及不一致比例，宜采用配对样本比例的McNenar检验。配对样本比例的McNenar优势比检验样本量估算，需要以下几个参数： 

1. 配对比例的优势比ψ，通过实验组阳性、对照组阴性的比例π₁₀与实验组阴性、对照组阳性的比例π₀₁比值计算得到。

2. 不一致对的比例，通过实验组阳性、对照组阴性的比例π₁₀与实验组阴性、对照组阳性的比例π₀₁之和计算得到。

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0.8或更高，本研究取0.8)。

5. 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)”—“Proportions (比例)”—“Two Correlated (Paired) Proportions (两相关(配对)样本比例)”— “Test (Inequality) (非均衡性检验)”—“Test for Two Correlated Proportions (McNemar Test) [两相关样本比例检验 (McNemar Test)]”，见图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 Calculation：“Power Calculation Method”表示样本量计算方法，可以选择“Binomial Enumeration”二项枚举法或“Normal Approximation”正态近似法。二项分布进行检验时会枚举所有可能的结果，当样本含量很大时计算会非常耗时。本例所需样本量较少，选择“Binomial Enumeration”二项枚举法，设定“Max N for Binominal Enumeration”二项枚举的最大样本含量为1500。

③Power and Alpha：Power为把握度，填写“0.80”；Alpha为检验水准，填写“0.05”。

④Alternative Hypothesis：表示检验假设的方式，本例选择“Two-Sided”双侧检验。

⑤Effect Size：“Input Type”设定效应大小的输入类型，表示输入数据的类型，本例中选择“Odds Ratio”，OR=π₁₀/π₀₁，本例填写“9.67”；Proportion Discordant (P10+P01)：设定不一致对的比例π_D=π₁₀+π₀₁，本例填写“0.51”。

(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)”。

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，可知需要23对病例-对照研究对象，即子宫内膜癌患者和未患子宫内膜癌的配对对象各23例。

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26对病例-对照研究对象，即子宫内膜癌患者和未患子宫内膜癌患者的配对对象各26例。

图7为此次样本量估算整个过程的详细参数设置汇总。

五、结论

该案例为配对样本比例的McNemar检验的样本量计算，其主要用于比较两个相关二分类变量的比例。已知配对比例的优势比ψ=9.67，不一致对的比例π_D=0.51。若取检验水准0.05、检验功效0.80，则至少需要23对病例-对照研究对象。若考虑10%的脱失率，则至少需要26对病例-对照研究对象。