生存分析7-樣本量的計算

??假設某試驗兩組分別為標準治療組(Standard treatment)及新療法組(New treatment)煮嫌,t時刻器净,標準治療組的風險函數(shù)為h_S(t)尖淘,新療法組的風險函數(shù)為h_N(t)惫叛,風險比為ψ倡勇。即
??h_N(t)=ψh_S(t)
??S(t)=exp(-H(t)) --> S_N(t)=S_S(t)^ψ
使θ=logψ;
?? 當θ=0時,此時ψ=1嘉涌,h_N(t)=h_S(t)妻熊,兩組無差異
?? 當θ<0時,此時ψ<1仑最,h_N(t)<h_S(t)扔役,新療法組的風險小,生存時間長
?? 當θ>0時警医,此時ψ>1亿胸,h_N(t)>h_S(t)坯钦,標準組的風險小,生存時間長

生存分析中侈玄,首先需要考慮事件數(shù)(如死亡例數(shù))婉刀。K-M曲線圖中,如果事件數(shù)不夠拗馒,那么中位生存時間很可能就無法估計(50%生存率沒有達到路星,無法對應到X軸上的生存時間)溯街。事件數(shù)估計出來之后诱桂,再通過事件數(shù)估計所需的病例數(shù),即總樣本量呈昔。

?? 假設θ為實際風險比挥等,θ_R為目標值,一類錯誤為α堤尾,把握度為1-β肝劲。
?? 則事件數(shù)為d=\frac {c(α,β)}{π(1-π)θ_R^2}c(α,β)=Z_{α/2}+Z_β
?? π為組間分配比例郭宝,當組間比例為1:1時辞槐,π=0.5,d=\frac {4c(α,β)}{θ_R^2}
--------------------------推斷過程---------------------------

假設有r個互不相同(不打結(jié))的死亡時間粘室,t(1)<t(2)<...<t(r)榄檬,組別i=1/2,時間點j=1,2,...,r衔统。在時間點t(j)鹿榜,第i組期初人數(shù)(at risk)為n_{ij},總例數(shù)為n_j=n_{1j}+n_{2j}锦爵,死亡例數(shù)為d_j=d_{1j}+d_{2j}舱殿,
?? Log-rank統(tǒng)計量為U=\sum_{j=1}^r(d_{1j}-e_{1j})
?? 方差為 V=\sum_{j=1}^r \frac {n_{1j}n_{2j}d_j(n_j-dj)}{n_j^2(n_j-1)}
?? e_{ij}為理論死亡例數(shù),e_{1j}=n_{1j}d_j/n_j险掀。

  • 當統(tǒng)計量|U|>k時沪袭,拒絕原假設θ=0。
    原假設成立時樟氢,P(|U|>k;θ=0)=α
    備擇假設成立時枝恋,P(|U|>k;θ=θ_R)=1-β
    U~N(θV,V),統(tǒng)計量U符合均值為θV嗡害,方差為V的正態(tài)分布焚碌。
    P(|U|>k;θ=0)=P(U>k;θ=0)+P(U<-k;θ=0)
  • 當原假設成立時,θ=0霸妹,此時U~N(0,V)十电,此時為以0對稱的正態(tài)分布,
    P(U>k;θ=0)=P(U<-k;θ=0)
    P(U>k;θ=0)=1-P(U≤k;θ=0)=1-Φ(\frac{k}{\sqrt[]{V}})=\frac{α}{2},Φ為標準正態(tài)分布的累計概率密度函數(shù)鹃骂。
    U~N(θV,V) 經(jīng)過變化可化為標準正態(tài)分布 Y=\frac{X-μ}{δ}~N(0,1)台盯,即
    ?? \frac{U}{\sqrt[]{V}}~N(0,1)
    ?? Φ(\frac{k}{\sqrt[]{V}})=1-\frac{α}{2}
    ?? \frac{k}{\sqrt[]{V}}=z_{α/2}
    ?? k=z_{α/2}{\sqrt[]{V}}

  • 當備擇假設成立時,θ=θ_R畏线,此時U~N(θ_RV,V)静盅,此時, P(|U|>k;θ=θ_R)=P(U>k;θ=θ_R)+P(U<-k;θ=θ_R)
    正態(tài)分布均值要么在0左右要么在0右邊寝殴,此時兩邊中的其中一邊可以忽略蒿叠,所以簡化為
    P(|U|>k;θ=θ_R)≈P(U<-k;θ=θ_R)=Φ(\frac{-k-θ_RV}{\sqrt[]{V}})=1-β

    \frac{-k-θ_RV}{\sqrt[]{V}}=z_β

  • 由上述得到兩個等式
    k=z_{α/2}{\sqrt[]{V}}\frac{-k-θ_RV}{\sqrt[]{V}}=z_β
    將k蚣常、α及β代入式2后得到 V=(z_{α/2}+z_β)^2/θ_R^2
    同時 V=\sum_{j=1}^r \frac {n_{1j}n_{2j}d_j(n_j-dj)}{n_j^2(n_j-1)}
    當死亡人數(shù)很少時市咽,上式可以近似為 V=\sum_{j=1}^r \frac {n_{1j}n_{2j}d_j}{n_j^2}
    更進一步,如果θ很小抵蚊,且每組受試者入組的概率近乎相同施绎,則
    \frac {n_{1j}n_{2j}}{n_j^2}=\frac {n_{1j}n_{2j}}{(n_{1j}+n_{2j})^2}≈\frac {n_{1j}n_{2j}}{(2n_{1j})^2}=1/4
    V≈\sum_{j=1}^r \frac {d_j}{4}=d/4
    d=\frac {4(z_{α/2}+z_β)^2}{θ_R^2}
    當不同組入組比例不相同時贞绳,
    \frac {n_{1j}n_{2j}}{n_j^2}=\frac {πn_j(1-π)n_j}{n_j^2}≈π(1-π)谷醉,
    d=\frac {π(1-π)(z_{α/2}+z_β)^2}{θ_R^2}

---------------------由死亡事件數(shù)計算樣本量--------------------
由事件數(shù)計算所需病例數(shù),需要考慮研究過程中的死亡概率冈闭。假設受試者入組時長為a(accrual period)俱尼,入組結(jié)束后還有一定的隨訪時長f(follow-up period),試驗的總時長為a+f拒秘。當隨訪時間f較短時号显,可能出現(xiàn)的死亡事件數(shù)越少,因此對于同樣的事件數(shù)躺酒,f越短押蚤,所需的病例數(shù)越多。
當受試者的死亡概率確定后羹应,總樣本量為
n=\fraccs6u8ek{P(death)}
d為前面算出的死亡例數(shù)揽碘,P(death)為死亡概率。

P(death)=1-\frac{1}{6}(S^-(f)+4S^-(0.5α+f)+S^-(a+f)) ????(1)
其中S^-(t)=\frac{S_S(t)+S_N(t)}{2}
S_S(t)S_N(t)分別為標準治療和新治療的生存函數(shù)時刻t時的估計值园匹。

對于組別1:P(death; Group I)=1-\frac{1}{6}(S_S(f)+4S_S(0.5α+f)+S_S(a+f))
對于組別2:P(death; Group II)=1-\frac{1}{6}(S_N(f)+4S_N(0.5α+f)+S_N(a+f))

當組間分配比例為1:1時雳刺,P(death)=\frac{P(death; Group I)+P(death; Group II)}{2}
由此得出式(1)。
當組間分配比例不為1:1時裸违,假設組1為π掖桦,組2為1-π。P(death)=πP(death; Group I)+(1-π)P(death; Group II)

*參考《Modelling Survival Data in Medical Research》和B站[潘老師學腫瘤設計]供汛,講的很清楚

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末枪汪,一起剝皮案震驚了整個濱河市涌穆,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌雀久,老刑警劉巖宿稀,帶你破解...
    沈念sama閱讀 206,126評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異赖捌,居然都是意外死亡祝沸,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評論 2 382
  • 文/潘曉璐 我一進店門越庇,熙熙樓的掌柜王于貴愁眉苦臉地迎上來罩锐,“玉大人,你說我怎么就攤上這事悦荒∥ㄐ溃” “怎么了嘹吨?”我有些...
    開封第一講書人閱讀 152,445評論 0 341
  • 文/不壞的土叔 我叫張陵搬味,是天一觀的道長。 經(jīng)常有香客問我蟀拷,道長碰纬,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,185評論 1 278
  • 正文 為了忘掉前任问芬,我火速辦了婚禮悦析,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘此衅。我一直安慰自己强戴,他們只是感情好,可當我...
    茶點故事閱讀 64,178評論 5 371
  • 文/花漫 我一把揭開白布挡鞍。 她就那樣靜靜地躺著骑歹,像睡著了一般。 火紅的嫁衣襯著肌膚如雪墨微。 梳的紋絲不亂的頭發(fā)上道媚,一...
    開封第一講書人閱讀 48,970評論 1 284
  • 那天,我揣著相機與錄音翘县,去河邊找鬼最域。 笑死,一個胖子當著我的面吹牛锈麸,可吹牛的內(nèi)容都是我干的镀脂。 我是一名探鬼主播,決...
    沈念sama閱讀 38,276評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼忘伞,長吁一口氣:“原來是場噩夢啊……” “哼薄翅!你這毒婦竟也來了钞馁?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 36,927評論 0 259
  • 序言:老撾萬榮一對情侶失蹤匿刮,失蹤者是張志新(化名)和其女友劉穎僧凰,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體熟丸,經(jīng)...
    沈念sama閱讀 43,400評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡训措,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,883評論 2 323
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了光羞。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片绩鸣。...
    茶點故事閱讀 37,997評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖纱兑,靈堂內(nèi)的尸體忽然破棺而出呀闻,到底是詐尸還是另有隱情,我是刑警寧澤潜慎,帶...
    沈念sama閱讀 33,646評論 4 322
  • 正文 年R本政府宣布捡多,位于F島的核電站,受9級特大地震影響铐炫,放射性物質(zhì)發(fā)生泄漏垒手。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,213評論 3 307
  • 文/蒙蒙 一倒信、第九天 我趴在偏房一處隱蔽的房頂上張望科贬。 院中可真熱鬧,春花似錦鳖悠、人聲如沸榜掌。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,204評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽憎账。三九已至,卻和暖如春瘾带,著一層夾襖步出監(jiān)牢的瞬間鼠哥,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,423評論 1 260
  • 我被黑心中介騙來泰國打工看政, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留朴恳,地道東北人。 一個月前我還...
    沈念sama閱讀 45,423評論 2 352
  • 正文 我出身青樓允蚣,卻偏偏與公主長得像于颖,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子嚷兔,可洞房花燭夜當晚...
    茶點故事閱讀 42,722評論 2 345

推薦閱讀更多精彩內(nèi)容