생존 분석을위한 전력 분석


11

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=(Zα/2+Zβ/2)2p1p2(θR)2

여기서 및 는 각각 표준 정규 분포 의 상위 및 상위 포인트입니다.Zα/2Zβ/2α/2β/2

특정 값의 경우

  • p1=0.20
  • p2=1p1
  • θR=0.693
  • α=0.05 이므로Z0.025=1.96
  • β=0.10 이므로 ,Z0.05=1.28

그리고 하면 에서 으로 감지 될 확률이 90 % 인 90 %의 확률 (반올림)이 필요합니다. 그런 다음 % 수준이θR=logψR=log0.50=0.693

d=(1.96+1.28)20.20×0.80×(log0.5)2=137

마음에 들지 않기를 바라지 만 질문을 라텍스로 바 꾸었습니다. 한 가지,해야 하지 수ZαZα/2
csgillespie

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

무엇 과 ? 그들은이어야한다 및 ? θRψRθRψR
onestop

답변:


1

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.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.