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。