临床试验样本数计算简介 - 财团法人医药品查验中心.pdfVIP

臨床試驗樣本數計算簡介   1 吳雅琪   臨床試驗主要目的是評估試驗藥物之有效性與安全性。在臨床試驗設計階 段，樣本數的選取是相當困難的一個環結，其估算值選取關係到試驗結果的成 敗。理論上來說，樣本數愈多愈接近母群體，研究結果愈不會造成偏差；然而在 試驗藥品未確認其療效與安全前，冒然納入過多受試者不符合倫理考量；但若是 樣本數太少，試驗可能因為檢定力太低，浪費了寶貴醫療資源，卻無法得到任何 有意義的結果，這也不符合倫理考量。在臨床試驗設計當中，查驗中心經常被諮 詢到有關樣本數選取的問題，因此這一篇文章將以連續型與類別型變數為例，介 紹在第三期的臨床試驗中，如何估算適當樣本數以達到試驗訂定之目標。  一、連續型變數(continuous variables)的例子    首先，以一個治療高血壓的新藥 AAA 為例，為了驗證新藥 AAA的療效，我 們可執行一個以安慰劑為對照組之第三期、隨機、雙盲、多中心試驗，主要療效 指標選用 8週後的血壓值與基礎值血壓值之差異。試驗假說包括了虛無假說與對 立假說；虛無假說是說新藥AAA 與安慰劑於降血壓的效果是沒有差異的即新藥( 是無效的 ) ；對立假說是指新藥AAA 與安慰劑兩組在降血壓的效果是有差異的即( 新藥是有效的 ) ，且其差異至少達到預期的3 mmHg 。由於主要療效指標是一個連 續變數，可採用 t‐test從事假設檢定，以判定新藥 AAA 之降血壓的效果與安慰劑 組是否有顯著差異。  經由t‐test 來判定新藥AAA 與安慰劑在降血壓的效果是否具有顯著差異時， 我們可能會犯以下兩種錯誤：一種是新藥 AAA 在降血壓的效果事實上是與安慰 劑沒有差別的，但是t‐test 出來的結果卻顯示有差異（false positive ）；這種錯誤 就被稱為是型一誤差   (type I error) ，犯型一誤差的機率一般是以符號〝α〞表之。 另一種錯誤指的是新藥 AAA事實上是有降血壓的效果，但是經過檢定後之結果 卻無法顯示它是有效的（ false  negative ），這種錯誤則被稱為型二誤差(type  II  error) ；犯型二誤差的機率一般是以符號〝β〞表示。至於檢定力定義是當新藥 AAA 事實上是有效的，經過檢定後認定其有效 (拒絕虛無假說) ，其機率為1‐β 。 一般在樞紐性第三期臨床試驗，法規單位多要求整體型一誤差應控制在雙尾5%    1 財團法人醫藥品查驗中心臨床統計組     RegMed 2011 Vol.5 7 或以下，整體型二誤差應控制在 20%或以下；而以上三者之定義，可以下表呈現 彼此間的關係。  表一：連續型變數之t‐test檢定    實際狀況   新藥 AAA沒有降血 新藥 AAA是有降血 壓的效果   壓的效果 (8週後至 少降10 mmHg)  t‐test 新藥 AAA沒有降血 正確決定  型 II誤差 β  檢  壓的效果   (type II error)   定  後  的   新藥 AAA是有降血 型 誤差I α  正確決定  (1‐β)  決  壓的效果 (8週後至 (type I error)  (power)  定  少降10 mmHg)  計算樣本數，除