前面介绍了“医学研究之多样本定性资料样本量计算——列联表的卡方检验”。本文将介绍处理组和对照组比例的多重比较(Multiple Comparisons of Proportions for Treatments vs. a Control)，在本设计中，有k个处理组和1个对照组。在每组中测量一个比例，使用简单z检验对两种比例之间的差异进行比较，则治疗组和对照组共有k个假设检验，从而比较每个处理组和对照组比例的差别。
一、案例数据
目前正在设计一项临床试验，将两种不同治疗方法与对照组(标准疗法)进行比较。其中对照组有效率为20%，疗法1的有效率为40%，疗法2的有效率为50%。设定对照组的样本量为200，取α=0.05，β=0.9，试估计治疗组每组所需的样本含量。
二、案例分析
本研究将2个处理组与1个对照组进行多重比较，若要计算两相关样本的样本量，可进行简单z检验，需要以下几个参数：
1. 对照组响应比例πc，本例中为0.2。
2. 各个处理组响应比例πi，本例中为0.4与0.5。
3. 总检验水准α (通常取0.01至0.1，本研究取0.05)。
4. 每组检验功效1-β (通常为0.8或更高，本研究取0.9)。
5. 脱失率DR (通常不宜超过20%，本研究取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)”—“Multiple Comparisons of Proportions for Treatments vs. a Control (处理组和对照组比例的多重比较)”，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。
②Alternative Hypothesis：选择“Two-Sided”，表示进行双侧检验。
③Power and Alpha：Power of Each Test为每个处理组与对照组比较的把握度，填写“0.90”；Overall Alpha为总检验水准，填写“0.05”。
④Group Allocation Method：选择“Unequal (Fixed control group size with flexible treatment group sizes)”，表示每组的样本量不等，预计每个处理组的样本量刚好满足其目标检验功效。
⑤Control Group Size：表示对照组所设定的样本量，本例为“200”。
⑥Effect Size and Design：其中【Group】列指定各行的分组数；【Control Proportion】行输入对照组响应的比例，计算功效时作为该比例的实际值，并在计算比例之间的差值时指定效果大小，本例填“0.2”；【Treatment Proportion】行输入各处理组响应的比例，不能与对照组响应比例相等，本例填写“0.4”与“0.5”。
(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，可知设定的对照组样本例数(N0)为200，疗法1和疗法2分别需要的样本量为100和39，该研究共需要样本量为339。
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，本研究中设定的对照组样本例数(N0)为200，疗法1和疗法2分别需要的样本量分别为112和44，该研究总共需要样本量为379。
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1个对照组与2个处理组比例的多重比较，已知标准疗法(对照组)有效率为0.2，疗法1(处理组1)有效率为0.4，疗法2(处理组2)有效率为0.5，对照组设定样本量为200。若取总检验水准0.05，每组比较的检验功效为0.90，则应用疗法1治疗需要100例研究对象，疗法2需要100例研究对象。若考虑10%的脱失率，则至少需要应用疗法1治疗需要112例研究对象，疗法2需要44例研究对象。