Log rank 检验所需样本量测定：迭代非中心法.docVIP

Log rank 检验所需样本量测定：迭代非中心法 　【摘要】 　　目的： 提出一种迭代非中心法， 用于Log rank 检验所需样本量的测定，并同LachinFoukes 法进行了比较。方法：预置样本量重复抽样，计算 Log rank 检验统计量及其平均值。调整预置样本量重复操作，当该平均值充分逼近预定非中心参数时，最后预置样本量被看成是所需样本量。结果：该法所得样本量因生存分布而异，可满足Log rank 检验预定功效。相比之下，LachinFoukes 法所得样本量偏小，用于Log rank 检验功效不足。结论：迭代非中心法优于 LachinFoukes 法，可用于慢性病和癌症生存研究的设计。 【关键词】 终检　Log rank 检验；Monte Carlo 方法　非中心法　 样本量 　　The Sample Size Determination in Log Rank Test: the Iterative NonCentral Procedure 　　Abstract Objective:This paper proposes an iterative noncentral procedure for the sample size determination in log rank test and compares it with the LachinFoulkes procedure. Methods： Samplings are performed with a prescribed size. The statistics of log rank test and their average are calculated. Such a course is repeated with adjusted sample sizes. When the average is converged to the interested value of noncentral parameter, the last adjusted sample size is regarded as the required one. Results： The sample sizes determined by this procedure vary from distribution to distribution and are met with the prescribed power of log rank test. By contrast, the sample sizes from LachinFoulkes procedure are biased to small and unable to meet with the power. Conclusion： The iterative noncentral procedure is superior to the LachinFoulles procedure and can be applied in planning survival studies on chronic diseases and cancer. 　　Key words censorship; Log rank test; monte carlo method; noncentral procedure sample size 　　众所周知，生存研究所需样本量的测定应以Log rank 检验［1］为基础，该检验是生存数据组间比较的标准方法。多年来，人们针对这一目标进行了不懈努力，然而始终未能实现，这是由于该检验是一种非参数检验，没有解析功效函数。 已有的测定方法多基于假定的指数分布［2～8］，这与 Log rank 检验没有匹配关系。Lachin (1981)［9］指出，这是不得已的，又是他 (1986)［7］ 指出，这是不精确的。由于无视生存分布的变异和所得样本量偏小，故不能满足Log rank 检验的预定功效［10］。另一方面，近年出现的基于生存率比较的方法又相对保守［11，12］。 本研究首先按临床数据实际分析过程说明设计参数赋值依据和生存研究所需样本量测定原则，然后提出迭代非中心法，即借助重复抽样估计其非中心参数，测定所需样本量，并同基于指数分布的方法进行比较。 　　1 原理 各组 t “年”生存率点估计与 t “年”生存率检验相匹配，各组各时点条件死亡概率估计与Log rank 检验相匹配。前一匹配临床乐于接受，但检验功效较低; 后一匹配功效较高, 但估计不够直观。在作临床数据分析时，通常并不在乎匹配关系，比如先作 t “年”生存率点估计，再用Log