医学研究之两独立样本定性资料样本量计算——率差的等效性检验

发布于 2022年3月17日 星期四 15:47:26 浏览:2521
原创不易,转载请注明来源,感谢!

前面介绍了“医学研究之两独立样本定性资料样本量计算——率比的优效性检验”,主要应用于病例对照研究。在实际工作中常常需要比较两独立样本率是否等效。例如:临床上欲用A药代替B药治疗某种疾病,此时则需要使用等效性设计来检验两种药物治疗效果是否相同。因此,本文将介绍两独立样本率差的等效性检验样本量计算过程及注意事项。

一、案例数据

某临床试验欲对一款新研发的降压药A进行临床试验。试验拟采用平衡设计的等效性试验,以目前临床应用最多的一款传统药物B为对照。据以往的研究报道,使用传统药物B控制血压的成功率在90%~95%不等。假定控制血压成功率的非劣效界值为5%,并预期试验组与对照组成功率相等均为92%。

假设检验水准α取0.025,统计效能1-β取0.8,脱失率取10%。试计算样本量。 

二、案例分析

该研究中欲研究A方法能否替代B方法治疗疾病,已知A方法和B方法控制血压的成功率相等为92%,等效性界值为5%,宜采用两独立样本率差的等效性检验。两独立样本率差等效性检验样本量估算,需要以下几个参数: 

1. 试验组比例π1.1,该值需要介于0-1之间,但不包括0和1。

2. 对照组比例π2,该值需要介于0-1之间,但不包括0和1。

3. 等效性界值。

4. 检验水准α (在等效性设计中常取双单侧检验0.025,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 Independent Proportions (两独立样本比例)”—“Equivalence (等效性) ”—“Equivalence Tests for the Difference Between Two Proportions (两独立样本率差的等效性检验)”,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。

③Test:“Test Type”表示等效性检验方法,PASS中有8种可供选择的方法,其中包括“Z-Test (Pooled)”、“Z-Test (Unpooled)”、“Z-Test C.C (Pooled)” 、“Z-Test C.C (Unpooled)”、“T-Test”、“Likelihood Score (Farr.& Mann)”、“Likelihood Score (Miet.& Nurm)”和“Likelihood Score (Gart & Nam)”,本例选择“Z-Test (Unpooled)”非合并版本的c2检验。

④Power and Alpha:Power为把握度,填写“0.80”;Alpha为检验水准,填写“0.025”。

⑤Sample Size:“Group Allocation”表示研究对象如何分配到不同组别中,根据不同的需求选择,本例中选择“Equal (N1=N2)”,试验组与对照组按照非匹配1:1比例。

⑥Effect Size:“Input Type”表示输入类型,可选择“Proportions”或“Differences”,本例选择“Differences”差值。“Equivalence Differences (P1.0-P2)”设定等效性差值,“D0.U (Upper Equivalence Difference)”设定上等效性差值\(\mathit{\delta }\)0U,比例填写“0.05”,“D0.L (Lower Equivalence Difference) ”设定下等效性差值\(\mathit{\delta }\)0L,比例填写“-D0.U”;“D1 (Actual Difference)”设定实际比例π1.1π2的实际差值,本例填“0”;“P2(Group 2 Proportion”设定对照组比例π2,本例为B方法的准确率,填“0.92”。

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1238例,其中 A方法与B方法需要的患者相等,N1= N2=619例。

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1376例研究对象,A方法与B方法需要的患者相等,N1¢= N2¢=688例。

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

该案例为两独立样本率差的等效性检验,其主要用于两独立样本率是否等效。已知A方法和B方法控制血压的成功率相等为92%,设定等效性界值为5%。若取检验水准0.025、检验功效0.80,则至少需要1238例研究对象。若考虑10%的脱失率,则至少需要1376例研究对象。

End
文章目录 沉浸式阅读