医学研究之生存分析的样本量计算——指数模型的两风险率差的优效性检验

发布于 2022年5月2日 星期一 15:19:59 浏览:1940
原创不易,转载请注明来源,感谢!

假设生存时间服从指数分布,已知对照组的风险率,要评估实验组的疗效是否优于对照组,可使用指数模型的两风险率差的优效性检验(Superiority by a Margin Tests for the Difference of Two Hazard Rates Assuming an Exponential Model)计算样本量。

关键词:样本量计算; PASS; 生存分析; 两风险率差的优效性检验

一、案例数据

某研究者计划开展一项两组1:1平行对照设计的临床研究,以研究新疗法治疗某癌症的效果是否优效于传统疗法。已知传统疗法治疗某癌症的风险率为0.6,计划让受试者进组的时间为1年,且期望全部受试者能够均匀地进入研究。随访时间为2年,预计两组的失访率均为0.05,风险率差为-0.3。若优效性差值(是指具有临床意义的最小变化值)为0.2,取α=0.05,β=0.1,试估计所需的样本含量?

二、案例分析

本研究中已知对照组的风险率,欲研究新疗法治疗某癌症的效果是否优效于传统疗法,假设生存时间服从指数分布,可采用两风险率差的优效性检验,其样本量计算需要以下几个参数:

  • 受试者入组时间(年),本例中为1
  • 研究者入组模式,本例为期望全部受试者能够均匀地进入研究
  • 随访时间(年),本例为2
  • 对照组的风险率,本例为0.6
  • 处理组和对照组的风险率差,本例为-0.3
  • 优效性差值,本例为0.2
  • 两组失访率,本例均为0.05
  • 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0.8或更高),本例取0.9

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)”—“Superiority by a Margin (优效性检验)”—“ Superiority by a Margin Tests for the Difference of Two Hazard Rates Assuming an Exponential Model (假设指数模型的两风险率差的等效性检验)”。

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:选择“Sample Size”,表示本分析的目的是用于计算样本量。
  • Alternative Hypothesis:指定备择假设的方向。选择“Ha : h2< h1 - Δ [Lower Hazard Better]”,表示较低的风险率更优。
  • Power and Alpha:Power为把握度,填0.90;Alpha为检验水准,填0.05。
  • Group Allocation:选择“Equal (N1=N2)”,表示每组的样本量相等。
  • Loss Hazard Rate:ω1(Loss Hazard Rate of Control Group):表示对照组失访风险率,可为任意非负数。本例均填0.05;ω2(Loss Hazard Rate of Treatment Group):表示处理组失访风险率,已知两组失访率相等,本例填“ω1”。
  • R (Accrual, or Recruitment, Time):即入组时间,表示受试者进入研究的时间长度。本例填1。
  • Percent of R Until 50% are Accrued:即招募50%的受试者的累积时间百分比,以控制受试者的入组模式。若期望受试者均匀入组,则设置为50;若期望更多的受试者早期入组,则设置为小于50的值;若期望更多的受试者后期入组,则设置为大于50的值。本例中填50。
  • T-R (Follow-Up Time):即随访时间,指最后一个受试者入组到研究结束之间的时间长度。本例填2。
  • h1 (Hazard Rate of Control Group):即对照组的风险率(瞬时失效率)。在此过程中使用的指数生存分布假设风险率在整个实验中是恒定的,且风险率等于每单位时间平均事件数目的倒数。本例填0.6。
  • Specify Hazard Parameters Using:指定计算处理组风险率的参数。包括【Differences】和【Rate】,本例选择“Differences”。

D (Difference, h2-h1):表示处理组和对照组的风险率差,本例填 -0.3。

Δ (Clinical Superiority Margin):即优效性差值,表示仍可得出处理组优效于 对照组的h2低于(或高于) h1的最小距离。本例为0.2。

图2

(三) 报告设置

在“Reports (结果报告)”模块中设置输出结果格式,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,可知计算的每组样本例数(N)为573,总例数为1146。

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为此次样本量估算整个过程的详细参数设置汇总。

图6

五、结论

该案例为指数模型的两风险率差的优效性检验的样本量计算。欲比较新疗法(处理组)治疗某癌症是否优效于传统疗法(对照组)。采用1:1平行组设计,且两组对象均匀地在1年内进入研究,共需随访2年,预计在结束时两组受试者失访率均为0.05。已知优效性差值为0.2,对照组治疗的风险率为0.6,两组风险率差为-0.3,若取检验水准α取0.05、把握度β取0.90,则每组至少需要573例患者参与研究,共至少需要1146例研究对象。

End
文章目录 沉浸式阅读