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。
(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”。
(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，本研究需要190例研究对象。
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。
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。