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

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(S_e)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(S_p)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S_e替换为S_p，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S_e1，本例为0.8
2. 新方法在第二组受试者中的灵敏度S_e2，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。

(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”。

(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)”。

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

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。