医学研究之生存分析的样本量计算——假设指数模型的两风险率差检验

关键词：样本量计算; PASS; 生存分析; 两样本生存曲线; 两风险率差的样本量计算

一、案例数据

某研究者欲开展一项1∶1平行对照设计的临床试验用于比较新手术和传统手术对某恶性肿瘤生存状况的影响。研究对象招募时间拟定为1年，全部受试者均匀进入研究，随访时间为2年，已知传统手术方法2年生存率为50%，预计新手术方法2年生存率为80%。该研究数据拟用指数模型的两风险率差检验分析，假设两组每年的失访率均为0.15，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

上述案例使用指数模型的两风险率差检验来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，已知两组的风险率，其样本量计算需要考虑以下几个参数：

• 入组时间及随访时间
• 对照组和处理组风险率
• 对照组失访率(ω₁)和处理组组失访率(ω₂)
• 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)”—“Test (Inequality) (非均衡性检验)”—“Tests for the Difference of Two Hazard Rates Assuming an Exponential Model (假设指数模型的两风险率差检验)”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” 指定备择假设的单双侧，本例选择“Ha:h₂-h₁≠0”双侧检验。 
• 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，本例选择“Equal(N₁=N₂)”；“Loss Hazard Rates”表示失访风险率，为任意非负数，“ω₁ (Loss Hazard Rate of Control Group)”表示对照组失访风险率，本例为0.15，“ω₂ (Loss Hazard Rate of Treatment Group)”表示处理组失访风险率，本例选择ω₁；“R (Accrual, or Recruitment, Time)”表示受试对象进入研究时间长度，本例为1，“Percent of R Until 50% are Accrued”表示招募50%的受试对象的累积时间百分百，本例研究对象均匀入组，所以填50；“T-R(Follow-Up Time)”表示随访时间，本例填2。
• Hazard Rates：“h₁ ( Hazard Rate of Control Group)”表示对照组的风险率，本例根据已知的2年生存率0.5在“Survival Parameter Conversion Tool”中通过计算可得到h₁为0.35，“h₂ ( Hazard Rate of Treatment Group)”表示处理组的风险率，同样可计算得到为0.11(图3)。

(三) 报告设置

在“Reports (结果报告)”模块中按图4设置输出结果格式，然后点击“Calculate (计算)”。

四、结果及解释

图5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84，其中处理组与对照组样本量相等，即N₁=N₂=42。。

图6“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

该案例为假设指数模型的两风险率差检验的样本量计算，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。已知研究对象招募时间拟定为1年，全部受试者均匀进入研究，随访时间为2年，传统手术方法2年生存率为50%，预计新手术方法2年生存率为80%，通过PASS软件里Survival Parameter Conversion Tool计算两组风险率。假设两组的失访率均为0.15，取α=0.05、β=0.20，则总共至少需要84例研究对象，处理组与对照组至少各需42例研究对象。