医学研究之配对样本定性资料样本量计算——率差的非劣效性检验

发布于 2022年3月1日 星期二 19:25:31 浏览:3266
原创不易,转载请注明来源,感谢!

前面介绍了“医学研究之配对样本定性资料样本量计算——率差的等效性检验”,用来证明两种方法的等效性,即两者的准确性大致相同。但在实际研究中还会遇到标准方法是准确的,但价格昂贵且有副作用,研究者希望找到一个并不比标准方法差、但成本较低或副作用较小的诊断方法以替代标准诊断方法。此时,需要使用非劣效设计来检验新方法是否不比标准方法差。本文将介绍配对样本率差的非劣效性检验 (Non-Inferiority Tests for the Difference Between Two Correlated Proportions)样本量计算过程及注意事项。

一、案例数据

有两种方法可用于诊断某种癌症,A方法简单易行,成本低,患者更容易接受,B方法结果可靠,但操作繁琐,患者配合困难。以往研究资料表明B方法的准确率为85%,研究者认为如果A方法的准确率达到75%或者更高可认为A方法非劣于B方法。欲进行两配对样本率差的非劣效性检验,非劣效性的差值Dni为10% (85%-75%),使用假阴性率π01作为干扰参数(π01=0.10)。取α=0.025,β=0.20,试估计至少需要多少受试者? 

二、案例分析

癌症的诊出率(阳性诊出率和阴性诊出率)为二分类资料,欲研究A方法不比B方法(参照处理或金标准)差,宜采用配对样本率差的非劣效检验。配对样本非劣效性检验样本量估算,需要以下几个参数:

1. 标准比例πs,表示受试者接受标准处理时,肯定或成功的比例,通常通过以往研究或估计获得,πs介于0-1之间,但不包括0和1。

2. 非劣效性差值Dni,表示得出非劣效结论的标准比例和处理比例的最大允许差值,Dni必须为正数。

3. 干扰参数及数值,本例选择假阴性率π01作为干扰参数,π01=0.10。

4. 检验水准α (通常取0.01至0.1,本例取0.025)。

5. 检验功效1-β (通常为0.8或更高,本研究取0.8)。

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)”—“Proportions (比例)”—“Two Correlated (Paired) Proportions [两相关(配对)样本比例]”— “Non-Inferiority (非劣效性) ”—“Non-Inferiority Test for the Difference Between Two Correlated Proportions (两相关比例之差的非劣效性检验)”,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。本例选择“Normal Approximation”正态近似法。

③Power and Alpha:Power为把握度,填写“0.80”;Alpha为检验水准,填写“0.025”。

④Differences:“∣Dni∣Non-Inferiority Difference”表示非劣效性差值Dni,即得出非劣效性结论的标准比例和处理比例的最大允许差值,本例填“0.1”;“Actual Difference”表示实际差值Da,即处理比例和标准比例之间的差值,通常设置为0,也可以设置Da>-Dni的任意数值,本例填“0”。

⑤Standard Proportion:“Ps (Standard Proportion)” 表示标准比例πs,受试者接受标准处理的成功比例,本例中B种方法为标准方法,其诊断准确率为0.85,本例填“0.85”。

⑥Nuisance Parameter:“Nuisance Parameter Type”表示干扰参数类型,可选择不同参数及参数值,如:真阳性率π11、真阴性率π00、假阴性率π01、假阳性率π10、一致率π11+π00、不一致率π10+π01、灵敏度Se (π11/πs),干扰参数必须介于0-1之间。本例选择“P01(%-Trt+Std)”假阴性率π01,表示标准处理组为阳性、但处理组为阴性的受试者比例,本例填“0.1”。

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为171例,即需要同时使用A、B两种方法至少检查171例疑似该种癌症的患者。

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,本研究需要190例研究对象。

图6

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

该案例为配对样本率差的非劣效性检验,其主要用于检验新的处理方法不比现有的处理方法差。已知标准比例πs为0.85,等效性差值Dni为0.1,干扰参数假阳性率π01为0.01。若取检验水准0.025、检验功效0.80,则至少需要使用A、B两种方式同时检查171例疑似该种癌症患者。若考虑10%的脱失率,则至少需要同时检查190例疑似该种癌症患者。

End
文章目录 沉浸式阅读