\

队列研究/随机(非随机)对照试验

时间-事件结局:风险比(hazard ratio),基于log-rank检验(Freedman方法)
I类错误(默认双侧),Type I error,$\alpha$ *
检验效能,Power,$1-\beta$ *
风险比, $HR$ *
分配比例,Allocation ratio,$r$ *
入组时长,Accrual time,$T_a$
随访时长,Follow-up time,$T_f$
组 1换到组2比例,$P_{12}$
组 2换到组1比例,$P_{21}$
失访比例,loss to follow-up,$AR$
页面计算码 *
示例1:
     某临床试验欲研究 TIPS 手术是否较脊髓改道手术更能延长出血性食管曲张患者的生存时间,采用随机、开放、两组平行对照的平衡设计。试验组为 TIPS 手术组, 对照组为常规的脊髓改道手术组,随访期至少 1 年。根据以往研究结果, 对照组总体的1 年生存率为 45% , 本研究预期试验组总体的 1 年期望生存率为 65% , 数据分析采用两组生存率比较的log-rank 检验,试以检验效能为 85% 估计样本量,每组需纳入111人。
$\alpha$=0.05(双侧),Power=0.85,
点击“计算HR”,选择“生存率”,依次输入组1生存率0.45、组2生存率0.65和时间1,点击HR框,再点击关闭按钮,
$r$=1,$T_a$=0,$T_f$=1。
示例1:
     Suppose investigators wish to detect a difference in hazard rate (cardiovascular events), 0.29 in experimental group and 0.35 in control group, with 90% power at a significance level of α = 0.05, and plan to enroll patients in 1.5 years and follow up to 2.5 years. Finally, a total number of 1864 individuals should be enrolled by planning to randomize 932 patients to each treatment group, in which 1196 deaths are expected to be observed.
$\alpha$=0.05(双侧),Power=0.9,
点击“计算HR”,选择“4.风险率”,依次输入0.29和0.35,点击HR框,再点击关闭按钮,
$r$=1,$T_a$=1.5,$T_f$=2.5。

参数说明:
  • $\alpha$,一类错误,检验水准,结果为假阳性的概率。α越小,即检验水准要求越高,正态分布对应的Z值越大,样本量要求越大。
  • $\alpha$,有单双侧之分,双侧检验只关注是否存在差异,单侧检验既考虑是否存在差异,还关注差异的方向。两者的计算公式不同,可在计算器页面选择“单侧”或“双侧”进行切换。双侧$\alpha$=0.05,等价于单侧$\alpha$=0.025,对应的Z值均为1.96。 $$双侧检验的备择假设:HR\neq{1}$$ $$单侧检验的备择假设:HR>{1}或者HR<{1}$$
  • $1-\beta$,检验效应,等于1-II类错误($\beta$),表示当存在差异时,假设检验能得到阳性结果的概率。一般要求检验效能在0.8以上,否则会出现非真实的阴性结果。

  • $HR$,估计的风险比。可通过文献查阅,还可通过各组中位生存时间或者特定时间生存率计算,点击“计算HR”按钮可计算。
  • 当只输入HR时,仅能计算期望观察到的事件数,无法计算最终样本量。
  • 当通过“计算HR”按钮,计算出HR和各组的风险率,目前提供4种方法计算:1)中位生存时间、2)特定时间生存率、3)特定时间死亡率(等于时间发生率)和4)风险率,具体计算公式和假设请参考弹出页面。
  • 结合时间信息(入组和随访)可进一步计算需要纳入的总人数。

  • $r$,试验组(暴露组)和对照组(非暴露组)的分配比例,例如输入1,表示1:1的分配比例。
  • $T_a$,入组时长,表示纳入人群的时长,时间单位要统一。若输入时长,可计算所需总人数,否则仅计算观察事件数。
  • $T_f$,随访时长,表示纳入人群的随访时长,时间单位要统一。若输入时长,可计算所需总人数,否则仅计算观察事件数。
  • 当受试者入组后,就开始随访,T_f仅记录最后一例入组患者的随访时间。

  • $P_{12}$,从组1换组到组2的比例,例如从试验组换组到对照组的比例。
  • $P_{12}$,从组2换组到组1的比例,例如从试验组换组到对照组的比例。
  • $AR$,预估失访、数据不完整等原因导致实际样本量减小的比例,常取0.1或0.2。

  • 页面计算码:样本量计算花费开发者(黄桥)大量时间进行整理和网页开发,请关注作者个人公众号,发送“计算码”获取最新码。

计算公式(需输入计算码):
1、需要观测到的事件发生数(双侧检验)

$$E=\frac{(Z_{1-\alpha/2}+Z_{1-\beta})^2*(1+r*HR)}{r*(1-HR)^2}$$

1、需要观测到的事件发生数(单侧检验)

$$E=\frac{(Z_{1-\alpha}+Z_{1-\beta})^2*(1+r*HR)}{r*(1-HR)^2}$$

其中,HR为风险比,样本分布中试验组:对照组=r:1

2、计算总人数

       若输入中位生存时间或特定时间生存率/死亡率(同时输入时间),可计算HR值、各组的风险率$\lambda_1$和$\lambda_2$(点击计算面板中“计算HR”查看公式), 结合入组时间$T_a$和随访时间$T_f$信息计算结局事件发生率P1和P2,用于纳入人数计算。

$$N=\frac{E*(1+r)}{r*(1-P_1)+(1-P_2)}$$

       场景1:当假设所有人同时纳入(无入组时间),仅进行$T_f$时间的随访,则结局事件发生率:

$$P_x=1-e^{(-\lambda_x*T_f)}$$

       场景2:当同时考虑入组时间$T_a$和随访时间$T_f$,则结局事件发生率:

$$P_x=1-\frac{e^{-\lambda_x*T_f}*(1-e^{-\lambda_x*T_a})}{\lambda_x*T_a}=1-\frac{e^{-\lambda_x*T_f}-e^{-\lambda_x*(T_a+T_f)})}{\lambda_x*T_a}$$

其中,$\lambda_x$为各组的风险率,x为组别1或2。

3、样本信息调整

       若出现换组,则需要对$P(x)$再进行调整。例如受试者从试验组换组到对照组。

$$P_1^*=P_1*(1-P_{12})+P_2*P_{12}$$ $$P_2^*=P_2*(1-P_{21})+P_1*P_{21}$$

其中,$P_{12}$为为组1换组到组2的比例。

       若出现失访,也需要进一步调整,本公式目前仅考虑无信息的失访,对于有信息的失访(如指数分布),会等原始作者回复后添加。

$$N^*=\frac{N}{1-AR}$$

参考文献:

[1] Freedman, L.S. (1982), Tables of the number of patients required in clinical trials using the logrank test. Statist. Med., 1: 121-129.
[2] John P. Klein. Handbook of Survival Analysis. Chapter 28 sample size calculations for clinical trials.