医学研究之诊断试验的样本量计算——平行组设计的灵敏度和特异度检验

发布于 2022年4月9日 星期六 16:48:00 浏览:4474
原创不易,转载请注明来源,感谢!

在平行组设计的诊断试验研究中[诊断试验(Diagnosis Test)研究概述一——设计类型],研究对象随机分为两组,各组研究对象分别接受不同的待评价诊断试验,并均使用金标准进行确诊,两组样本之间彼此独立。其样本量的计算,可通过两独立样本的灵敏度检验(Tests for two independent sensitivities)或两独立样本的特异度检验(Tests for two independent specificities)方法实现。

关键词:样本量计算; PASS; 诊断试验; 两独立样本诊断试验的样本量计算;灵敏度和特异度比较的样本量计算

灵敏度和特异度是诊断试验研究中两个重要的衡量准确性的指标。灵敏度(Se)是指受试者实际有病且被诊断试验诊断为有病的概率,反映了诊断试验检出病例的能力;特异度(Sp)是指受试者实际无病且被诊断试验诊断为无病的概率,反映了诊断试验排除病例的能力。本文介绍两独立样本的灵敏度检验的样本量估算,如果要进行两独立样本的特异度检验,则需将所有条目中的Se替换为Sp,用无病率(1-P)代替疾病患病率(P)。

一、案例数据

已知某病在待评价人群中的患病率为30%,假设用现有诊断方法诊断该病的灵敏度为80%,而新方法成本更低。研究者希望设计一项前瞻性研究,使用双侧Z检验比较新方法与现有方法的灵敏度。以医疗机构公认的某检查为金标准,期望新方法灵敏度能达到90%。取双侧α=0.05、β=0.20,试估计所需的样本含量。

二、案例分析

本研究中受试者被随机分成两组,每个受试者分别接受一项诊断试验,并与金标准进行比较。欲比较两个诊断方法的灵敏度,可采用两独立样本的灵敏度检验,需要以下几个参数:

  1. 目前方法在两组受试者中的灵敏度Se1,本例为0.8
  2. 新方法在第二组受试者中的灵敏度Se2,本例为0.9
  3. 疾病的患病率P,本例为0.3
  4. 检验水准α (通常取0.01至0.1),本例取0.05
  5. 检验功效1-β (通常为0.8或更高),本例取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)”—Sensitivity and Specificity (灵敏度和特异度检验)”—“ Tests for two independent sensitivities (两独立样本的灵敏度检验)”,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):

  1. Solve For:选择“Sample Size”,表示本分析的目的是用于计算样本量。
  2. Alternative Hypothesis (H1):指定灵敏度检验的备择假设。选择“H1: Se1≠Se2”,表示进行备择假设为H1: Se1≠Se2的双侧检验。
  3. Test Type: 表示两组之间比较的统计检验方法,本例选择“Z Test (Pooled)”。
  4. Power and Alpha:Power为把握度,填写“0.80”;Alpha为检验水准,填写“0.05”。
  5. Group Allocation: 选择“Equal (N1=N2)”,表示每组的样本量相等。
  6. P (Prevalence):指定疾病的患病率,范围介于0~1,本例填写“0.3”。
  7. Se1 (Sensitivity Groups 1 and 2 | H0):表示原假设H0下的灵敏度,即目前方法在两组受试者中的灵敏度。范围介于0~1,本例填写“0.80”。
  8. Se2 (Sensitivity Group 2 | H1):表示备择假设H1下的灵敏度,即新方法在第二组受试者中的灵敏度。范围介于0~1,本例填写“0.90”。
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“Group Dropout Rates (各组脱失率)”后选择“Equal (相等)”,填写“10%”(图3),表示两组均按照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,可知计算的总样本例数(N)为1326。

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中“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,本研究中总共至少需要1474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。

图7

五、结论

本研究为平行组设计的灵敏度检验样本含量计算,可通过两独立样本的灵敏度检验法实现。需比较新方法和目前方法的灵敏度,已知目标人群患病率为30%,假设用目前方法的灵敏度为80%,期望新方法的灵敏度能达到90%。若取检验水准0.05、检验功效0.80,每组至少需要663例研究对象。若考虑10%的脱失率,则每组至少需要737例研究对象。

End
文章目录 沉浸式阅读