생존 분석을위한 전력 분석

유전자 시그니처가 재발 위험이 낮은 대상을 식별한다고 가정하면, 이는 인구의 20 %에서 사건 비율이 0.5 (위험 비율 0.5) 감소하고 후 향적 코호트 연구의 샘플을 사용하려는 것입니다. 가정 된 두 그룹에서 동일하지 않은 숫자에 대해 표본 크기를 조정해야합니까?

예를 들어 Collett, D : Medical Research의 생존 데이터 모델링, 제 2 판-제 2 판 2003을 사용합니다. 필요한 총 이벤트 수 d는 다음을 사용하여 찾을 수 있습니다.

d = \frac{(Z_{α / 2} + Z_{β / 2})^{2}}{p_{1} p_{2} (θ R)^{2}}

$\begin{equation} d = \frac{(Z_{\alpha/2} + Z_{\beta/2})^2}{p_1 p_2 (\theta R)^2} \end{equation}$

여기서 및 는 각각 표준 정규 분포 의 상위 및 상위 포인트입니다. $Z_{\alpha/2}$ $Z_{\beta/2}$ $\alpha/2$ $\beta/2$

특정 값의 경우

$p_1 = 0.20$
$p_2 = 1 - p_1$
$\theta R = -0.693$
$\alpha = 0.05$ 이므로 $Z_{0.025}= 1.96$
$\beta = 0.10$ 이므로 , $Z_{0.05} = 1.28$

그리고 하면 에서 으로 감지 될 확률이 90 % 인 90 %의 확률 (반올림)이 필요합니다. 그런 다음 % 수준이 $\theta R = \log \psi R = \log 0.50 = -0.693$

d = \frac{(1.96 + 1.28)^{2}}{0.20 \times 0.80 \times (\log 0.5)^{2}} = 137

$\begin{equation} d = \frac{(1.96 + 1.28)^2}{0.20 \times 0.80\times (\log 0.5)^2}= 137 \end{equation}$

survival power-analysis genetics

— chl
소스

마음에 들지 않기를 바라지 만 질문을 라텍스로 바 꾸었습니다. 한 가지,해야 하지 수

Z_{α}

$Z_{\alpha}$

Z_{α / 2}

$Z_{\alpha/2}$

— csgillespie

사람들에게 분명하다면 전혀 신경 쓰지 않습니다. 당신은 옳은 양면 알파 여야합니다.

무엇 과 ? 그들은이어야한다 및 ?

θ R

$\theta R$

ψ R

$\psi R$

θ_{R}

$\theta_R$

ψ_{R}

$\psi_R$

— onestop

그렇습니다. 당신의 힘은 노출되지 않은 노출 비율에 따라 변할 것입니다. 예를 들어, 최근의 연구에서 나는 ~ 1.3의 HR에서 1 : 2의 노출 : 비노출 비 = 0.80의 노출 : 동일한 샘플 크기에 대해 파워 계산을 수행했습니다. 1:10의 비율로 HR ~ 1.6 정도가 소요되었습니다.

귀하의 경우 샘플 크기는 다양하지만 HR은 그렇지 않으므로 비율이 작을수록 샘플 크기가 커야합니다.

— 포미 테
소스