医学研究之生存分析的样本量计算——Cox比例风险模型的两生存曲线的非劣效性检验

关键词：样本量计算; PASS; 生存分析; 两样本生存曲线; Cox比例风险模型的非劣效性检验

一、案例数据

某研究者欲开展一项1：1平行对照设计的非劣效性临床试验，以比较新手术方法和传统手术方法对某恶性肿瘤生存状况的影响。已知HR=1.0，假设新疗法和传统疗法的死亡概率分别为0.30和0.60。假设HR_ni=1.20，取α=0.05、β=0.20，试估计该研究所需要的样本含量？

二、案例分析

本例中欲比较新手术方法和传统手术方法对某恶性肿瘤生存状况的影响，已知两组的死亡概率和风险比，且风险率低时为更优，宜采用Cox比例风险模型的两生存曲线的非劣效性检验，其样本量估算需要以下几个参数：

• 实际风险比HR
• 非劣效性风险比HR_ni
• 事件发生率(对照组死亡概率P_ev1和处理组死亡概率P_ev2)
• 检验水准α (通常取0.01至0.1)，本例取0.05
• 检验功效1-β (通常为0.80或更高)，本例取0.80

三、软件操作

(一) 方法选择

在左侧界面中依次选择“Procedures (程序)”—“Survival (生存分析)”—“Two Survival Curves (两样本生存曲线)”—“Non-Inferiority (非劣效性检验)”—“Non-Inferiority Tests for Two Survival Curves Using Cox’s Proportional Hazards Model (使用Cox比例风险模型的两生存曲线的非劣效性检验)”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)：

• Solve For：“Sample Size”表示本分析的目的是用于计算样本量。
• Test Direction：“Alternative Hypothesis” 指定备择假设的方向，本例研究生存状况，寿命越长越好，因此风险率较低为更优，选择“Ha:HR<HR_ni [Lower Hazard Better]”。  (注:若为第二种情形，则选择“Ha: HR＞HRsu [Higher Hazard Better]”，结合自己实际案例选择)。
• Power and Alpha：Power为把握度，填0.80；Alpha为检验水准，填0.05。
• Sample Size：“Group Allocation”表示研究对象如何分配不同组别，本例选“Equal(N₁=N₂)”。
• Proportion of Events Observation：“P_ev1 (Event Probability in Group 1)”输入对照组中每个对象平均死亡概率类型P_ev1，P_ev1介于0~1之间，本例填0.6；“P_ev2 (Event Probability in Group 2)”输入处理组中每个对象平均死亡概率P_ev2，P_ev2介于0~1之间，本例填0.3。
• Hazard Ratios：“HR (Actual Hazard Ratio=h₂/h₁)”设定实际风险比HR。在非劣效性检验中，典型的HR值为1.0；“HR_ni(Non-Inferiority Hazard Ratio)”设定非劣效性风险比HR_in。本例中研究生存状况，患者的死亡风险越低越好，因此HR_ni表示HR达到最大值时，仍可得到非劣效性的结论，本例填1.2。

(三) 报告设置

在“Reports (结果报告)”模块中按图3设置输出结果格式，然后点击“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，可知计算的样本例数(N)为1654，其中处理组与对照组相等，即N₁=N₂=827。。

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Cox比例风险模型的两生存曲线的非劣效性检验的样本含量计算，欲比较新手术方法和传统手术方法对某恶性肿瘤生存状况的影响。已知HR=1.00，假设新疗法和传统疗法的死亡概率分别为0.30和0.60。假设优效性风险比HR_ni=1.20，取α=0.05、β=0.20，则总共至少需要1654例研究对象，新疗法和传统疗法组各至少需要827例研究对象。