Analisis kekuatan untuk analisis kelangsungan hidup

Jika saya berhipotesis bahwa tanda tangan gen akan mengidentifikasi subjek dengan risiko kekambuhan yang lebih rendah, yaitu berkurang 0,5 (rasio bahaya 0,5) tingkat kejadian pada 20% populasi dan saya bermaksud menggunakan sampel dari studi kohort retrospektif. ukuran sampel perlu disesuaikan dengan angka yang tidak sama dalam dua kelompok yang dihipotesiskan?

Misalnya menggunakan Collett, D: Memodelkan Data Kelangsungan Hidup dalam Penelitian Medis, Edisi Kedua - Edisi ke-2 2003. Jumlah total peristiwa yang diperlukan, d, dapat ditemukan menggunakan,

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

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

di mana dan masing-masing adalah titik dan atas , dari distribusi normal standar. $Z_{\alpha/2}$ $Z_{\beta/2}$ $\alpha/2$ $\beta/2$

Untuk nilai-nilai tertentu,

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

$\theta R = \log \psi R = \log 0.50 = -0.693$

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
sumber

Z_{α}

$Z_{\alpha}$

Z_{α / 2}

$Z_{\alpha/2}$

Jika jelas untuk orang-orang saya tidak keberatan sama sekali. Anda benar harus menjadi alpha 2-sisi.

θ R

$\theta R$

ψ R

$\psi R$

θ_{R}

$\theta_R$

ψ_{R}

$\psi_R$

Ya, kekuatan Anda akan berubah berdasarkan rasio terpapar dengan yang tidak terpapar. Sebagai contoh, dalam sebuah studi baru-baru ini saya melakukan perhitungan daya untuk, pada ukuran sampel yang sama, rasio terpapar: tidak terpapar 1: 2 mencapai daya = 0,80 pada HR ~ 1,3. Butuh sampai HR ~ 1,6 atau lebih untuk rasio 1:10.

Dalam kasus Anda, karena ukuran sampel akan bervariasi tetapi SDM Anda tidak, semakin kecil rasionya, semakin besar ukuran sampel Anda.

— Fomite
sumber