生存数据中样本量的计算（一）

 

肿瘤临床试验的一大特点便是其终点指标一般都是time-to-event变量（生存数据），因此其样本量的计算一般是基于time-to-event变量。

 

对于生存数据样本量计算最直接最简单的方法便是根据近似正态分布的原理，直接进行两个proportions的比较，这就和我们传统的两分类变量的样本量计算类似了。

 

而对于那些event发生率非常低的研究，Chan 和 Bohidar 在1998年进而提出了exact conditional method，其中假设总的event数量符合Poisson分布。

 

Chan, ISF and Bohida, NR. Exact power and sample size for vaccine efficacy studies.

Communications in Statistics, Theory and Methods 1998;27:1305-1322.

 

 

Freedman则在1982年给出了一个简单的计算所需events/subjects的公式，这个方法基于log-rank test，其assumption要求同一治疗组内的每个受试者出现event的概率近似相等的，而且没有drop out：

 

Freedman, L.S. Tables of the number of patients required in clinical trials using the logrank

test. Stat Med 1982;1:121-129.

 

这个方法，小胖在前边关于样本量计算的博文中曾有所涉及。

 

其他的方法还有：George and Desu (1974)，Schoenfeld (1981)等：

 

George, S. L., and M. M. Desu. Planning the size and duration of a clinical trial studying

the time to some critical event. Journal of Chronic Diseases 1974;27:15-24.

 

Schoenfeld D. The asymptotic properties of nonparametric tests for comparing survival

distributions. Biometrika 1981;68(1): 316-319.

 

 

但以上这些方法，都没有充分考虑到生存数据的一些特殊因素，如入组时间、总的研究时间、staggered entry distribution、治疗依从性、competing risks、possibly non-proportional hazards等，这些都限制了其在生存数据样本量计算中的应用。

 

从下一篇博文开始，小胖将简单介绍一下一些其他常见的考虑到生存数据特殊因素的一些样本量的计算方法。