功率分析，用于生存分析

如果我假设基因签名可以识别出较低的复发风险，即20％的人群中的事件发生率降低0.5（危险比为0.5），并且我打算使用回顾性队列研究的样本是否需要针对两个假设的组中不相等的数字来调整样本量？

例如，使用Collett，D：《医学研究中的生存数据建模》，第二版-2003年第二版。可以使用以下方法找到所需的事件总数d，

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

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

其中和分别是标准正态分布的上和上点。 $Z_{\alpha/2}$ $Z_{\beta/2}$ $\alpha/2$ $\beta/2$

对于特定的值，

并 $\theta R = \log \psi R = \log 0.50 = -0.693$ ，则有90％的机会需要检测（向上舍入）的事件数，来发现危险比0.50在两侧5都是显着的然后，％水平由

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

— hl
source

希望您不要介意，但我已将您的问题转换为乳胶。一件事，不应该是

Z_{α}

$Z_{\alpha}$

Z_{α / 2}

$Z_{\alpha/2}$

— csgillespie 2011年

如果人们清楚，我一点也不介意。您说得对，应该是2边的Alpha。

什么是和？它们应该是和吗？

θ R

$\theta R$

ψ R

$\psi R$

θ_{R}

$\theta_R$

ψ_{R}

$\psi_R$

— 一站式

是的，您的力量将根据暴露与未暴露的比率而变化。例如，在最近的一项研究中，我在相等的样本量下进行了功效计算，在HR为〜1.3时，暴露：未暴露比率为1：2，获得的功效= 0.80。直到HR〜1.6左右才达到1:10的比例。

在您的情况下，由于样本量会有所变化，但您的心率不会变化，因此比率越小，样本量就需要越大。

— 方铁
source