摘要：上期已经讲完样本含量估计的PASS软件使用简介，这期开始讲随机对照试验（RCT）-对列研究+分类变量的样本含量估计，主要从基础知识、问题与数据、对问题分析及PASS软件操作进行讲解

上期已经讲完样本含量估计的PASS软件使用简介，这期开始讲随机对照试验（RCT）-对列研究+分类变量的样本含量估计，主要从基础知识、问题与数据、对问题分析及PASS软件操作进行讲解

基础知识

1.基本原理

在 RCT - 队列研究中，分类变量样本量估算的目的是确定在给定的研究设计和统计假设下，需要多少研究对象才能达到预期的研究功效。其原理基于统计学中的假设检验和概率理论，通过估计总体参数、设定检验水准、预期效应大小等因素来计算所需样本量。

2.设计特点

随机对照试验（RCT）结合队列研究方法，将研究对象随机分配到不同干预组，然后像队列研究一样追踪观察各组在一段时间内分类变量（如疾病发生与否、治疗有效或无效等）的情况。

3.影响样本量的因素

（1）检验水准（α）：通常设定为 0.05 或 0.01，代表了假阳性错误的概率，即当原假设为真时，错误地拒绝原假设的概率。α 越小，所需样本量越大。

（2）检验效能（1 - β）：β 为假阴性错误的概率，即当备择假设为真时，错误地接受原假设的概率。通常要求检验效能不低于 0.8，即 β 不超过 0.2。检验效能越高，所需样本量越大。

（3）预期效应大小：这是研究中感兴趣的两组之间的差异程度，通常用相对风险（RR）、比值比（OR）等指标来表示。效应大小越大，所需样本量越小。

（4）总体发生率：对于分类变量，如疾病的发生率、某种结局的出现频率等，总体发生率越接近 0.5，所需样本量越大。

（5）单侧检验或双侧检验：单侧检验只考虑一个方向的差异，而双侧检验考虑两个方向的差异。双侧检验所需样本量通常大于单侧检验。

4.估算公式

可采用公式，其中p1和p2分别是干预组和对照组的预期事件发生率，，zα/2和zβ分别是标准正态分布的双侧分位数和单侧分位数。

5.注意事项

（1）参数估计的准确性：效应大小、总体发生率等参数的准确估计对样本量计算至关重要。这些参数通常来自以往的研究、预试验或专业知识判断，但可能存在一定误差，应尽可能获取准确的估计值。

（2）失访与脱落：在实际研究中，不可避免会有研究对象失访或脱落。在样本量估算时，应根据类似研究的经验，适当增加一定比例的样本量以弥补可能的损失。

（3）多重比较：如果研究中涉及多个组间比较或多个结局指标的分析，需要考虑多重比较对 α 水平的影响，可能需要采用 Bonferroni 校正等方法调整检验水准，此时样本量也会相应增加。

（4）伦理考量：样本量的确定不仅要考虑统计学要求，还需符合伦理原则，不能为了追求统计学意义而过度增加样本量，给研究对象带来不必要的风险和负担。

问题与数据

比较主要结局（体重变化）时，按照 P =0.05 进行双侧 t 检验。对于另一个主要结局（二分类变量）——体重下降 5%及以上、10%以上的人数比例 ，采用双侧卡方检验比较。

假设对照组体重下降 10%以上的人数比例为 10% ，利拉鲁肽组的这个比例为 14%。当利拉鲁肽组和对照组的样本量分别为 2400 例、 1200 例时 ，可以有超过 90%的把握度发现这种差异。以这个研究为例 ，如何使用 PASS 软件来计算样本量呢。

对问题分析

以本研究为例 ，计算样本量时 ，需要知道以下几个重要的参数：

1.研究设计类型（随机对照试验）；

2.结局指标类型（ 二分类变量——体重下降 10%以上的人数比例） ；

3.结局指标的预计值（安慰剂 组 10%，利拉鲁肽组 14%）；

4.检验水准α（通常取α =0.05）；

5.把握度 1-β（通常为 80%或更高，本研究为 90%）。

PASS软件操作

1.打开 PASS 11 软件后，在左侧的菜单栏内选择 Proportions→Two Independent Proportions→Test (Inequality)→Test for Two Proportions[Proportions]

2.要计算样本量，需要在 Find (Solve for)中选择 N1。这个研究中，选择的把握度为 90%，因此 Power (1-Beta)中输入 0.9；

选择的 Significance level（也就是 P 值）为 5%，因此 Alpha (Significance Level) 中输入 0.05；

利拉鲁肽组和安慰剂对照组的样本量比值为 2:1 ，因此 N2 (Sample Size Group 2)中选 择 Use R， R (Sample Allocation Ratio)中选择 0.5；

P1 (Treatment Group Proportion|H1)为本研究 中利拉鲁肽组体重下降 10%以上的研究对象比例，输入 0.14；

P2 (Control Group Proportion)为本研 究中安慰剂对照组体重下降 10%以上的研究对象比例 ，输入 0.1。

其它为默认选项 ，点击 RUN。

3.结果解释

PASS 软件给出了样本量计算的结果、参考文献、报告中的名词定义和总结性描述。在样本量计算结果中我们需要重点关注以下两列：

（1）Sample Size Grp 1 (N1)：干预组样本量。干预组需要 2097 例研究对象。

（2）Sample Size Grp 2 (N2)：对照组样本量。对照组需要 1049 例研究对象。 这里计算得到的是研究 所需的最少样本量。实际研究过程中 ，研究对象会不依从或失访 ，因此需要适当地扩大样本量。例如， 原研究的 Protocol 中写的是 2400 和 1200 例。

4.撰写结论

本研究为平行设计的随机双盲对照试验。干预组为利拉鲁肽治疗组，对照组为安慰剂治疗组，研究对象体重下降 10%以上的人数比例为主要观察的结局指标。根据既往文献报道（或预试验结果），估计对照组体重下降 10%以上的人数比例为 10%。利拉鲁肽组的这个比例为14%。设α =0.05（双侧），把握度 =0.90。利用 PASS 11 软件计算得到利拉鲁肽组的样本量 N1 =2097，安慰剂对照组的样本量 N2 =1049 例。假定研究对象的失访率为 10%，则需样本量 N1 =2097÷0.9 =2330 例 ，N2 =1049÷0.9 =1166 例。 最终利拉鲁肽组纳入研究对象 2400 例 ，安慰剂对照组纳入 1200 例。

1.单个问题答疑咨询。1对1答疑、小额付费、48小时内有效。

2.答疑咨询年度会员。一年365天时限内各种统计分析问题1对1答疑，性价比高。

3.购买视频课程赠送课程相关主题内容1对1答疑1年。

来源：孙医生工作室