医学研究之两独立样本定性资料样本量计算——率比的非劣效性检验

一、案例数据

目前正在设计一项针对某疾病疗法的研究，以确定一种新的疗法是否非劣效性于传统疗法。从既往研究已知，传统疗法的死亡率为30%，但价格昂贵。而这种新疗法要便宜得多，且被证明同样有效，新疗法组死亡率实际比例与传统疗法组的比例之比为1.25。研究人员拟采用率比的非劣效性检验进行研究，假设非劣效性比值为2，试估计所需的样本含量。

二、案例分析

本例中，由于死亡率越小为更优，因此是低优指标；反之，若数值越大为更优，则为高优指标，如治愈率、合格率等。

本例中，要使新疗法的疗效不比传统疗法(对照组)差，计算独立样本率比的样本量可采用非劣效性检验，需要以下几个参数：

1. 对照疗法死亡的比例P₂，本例为0.3。

2. 非劣效性比值R₀，(须为正数，本例为2.0)。

3. 检验水准α (通常取0.01至0.1，本例取0.025)。

4. 检验功效1-β (通常为0.8或更高，本研究取0.9)。

5. 实际比值R₁，即新疗法的实际比例与对照疗法比例之比，本例中为1.25。

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)”—“Non-Inferiority (非劣效性检验)”—“Non-Inferiority Tests for the Ratio of Two Proportions (两个比例之比的非劣效性检验)”，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”，表示本分析的目的是用于计算样本量。

②Power Calculation Method：检验功效的计算方法，包括Binomial Enumeration(二项枚举法)和Normal Approximation(正态近似法)。当样本量相当大(即大于50)且比例在0.2~0.8之间时，两种方法将给出相似的结果，本例选择“Normal Approximation”。

③Higher Proportions Are：选择“Worse”，表示研究指标为低优指标。

④Test Type：指定在搜索和报告中使用的统计检验方法，本例选择“Likelihood Score(Miet.&Nurm)”。

⑤Power and Alpha：Power为把握度，填写“0.90”；Alpha为检验水准，填写“0.025”。

⑥Group Allocation：选择“Equal (N1=N2)”，表示每组的样本量相等。

⑦R₀(Non-Inferiority Ratio)：即非劣效性比值，表示H₀下试验组比例与对照组比例之比，本例为“2.0”。

⑧R₁(Actual Ratio)：即实际比值，表示H₁下试验组的实际比例与对照组比例之比，须为不等于1的正数。本例为例“1.25”。

⑨P₂(Group 2 Proportion)：即对照组(传统疗法)死亡的比例，通常为基线组、标准组的比例。本例为“0.3”。

(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，可知计算的每组样本例数(N)为205。

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，本研究中为每组的样本量为228。

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

该案例利用率比(两个比例之比)的非劣效性检验计算样本量，从而显示新疗法的疗效在临床上不比传统疗法差。已知用传统疗法治疗该病的死亡率为0.3，新疗法实际死亡率与传统疗法死亡率的比例为1.25，在非劣效性比值为2.0的前提下，若取检验水准0.025、检验功效0.90，则每组至少均需要205例研究对象。若考虑10%的脱失率，则每组至少需要228例研究对象。