影响因素调查的样本量计算.pdf

影响因素调查的样本量计算

一、研究目的

研究目的是计算样本量首选需要考虑的问题，你是要做

组间比较，还是想分析多个变量间的相关，或是想了解某结

果的影响因素是什么。不同研究目的，样本量计算的思路也

不尽相同。

对于独立样本的组间比较，需要根据比较的指标类型考

虑不同的参数。如果要比较的指标是连续资料，需要考虑两

组的均值、标准差以及无效假设所设定的两组差值。如果比

较的指标是分类资料，需要考虑两组的率以及无效假设设定

的两组率差。如果比较的是生存资料，那你需要考虑更多的

因素，如受试者的招募时间、随访时间、预期中位生存时间

等。

对于相关分析，你可能需要知道分析的指标有多少个，

其中哪几个是主要分析的指标，哪几个是混杂因素，主要分

析指标之间的相关系数是多少。

回归分析与相关分析比较类似，首先你要明确主要自变

量与因变量的偏相关是多少，打算校正多少个混杂因素。

如果研究目的是评价某指标的诊断价值，样本量计算根

据诊断指标的不同而不同。如果诊断指标是灵敏度，根据灵

敏度和设定的精确度可以估算出所需的“有病”例数；如果

诊断指标是特异度，根据特异度和精确度估算出的是“无病”

的例数；如果诊断指标是ROC曲线下面积，根据ROC曲线下

面积和特定的精确度可以计算出“有病”的例数。

二、研究设计方法

研究设计的方法很多，横断面调查、病例对照研究、队

列研究、随机对照试验都有各自的样本量计算思路。

横断面研究是以描述为主，主要目的是获得某调查指标

的率或均值，样本量的计算需要通过文献获得调查指标的预

期率或均值，同时还需要考虑到调查结果的精确度，精确度

通常以容许误差来反映。

病例对照研究和队列研究中的样本量计算，首先需要确

定一个主要研究因素，其次还需要考虑可能的混杂因素，混

杂因素与结局的关系，等等。有的人可能会说，我做的病例

对照研究并没有确定主要研究因素，只是想泛泛地了解疾病

发生的影响因素有哪些。这种情况在国内并不少见，其实这

种方式的研究并不被真正的研究者所认可，因为这相当于你

没有任何的预期研究目的。对于一个真正的研究项目，研究

者不可能没有任何预期目的。当然有人提出，对于这种泛泛

地探索性研究，至少需要保证样本量是研究因素的10倍以

上（事实上，应该是病例的样本量至少是研究因素的10倍

以上，而不是总例数）。这一说法主要是从统计学角度提出

的，因为病例对照研究采用的是logistic回归，以最大似

然法估算参数值，而最大似然法需要足够的样本量才能有稳

定的参数估计。10倍以上只是个比较大致可靠的说法，并非

说10倍一定可以保证你的结果可靠，还取决于你的数据结

构。所以，对于这种漫无目的的研究，只能说样本量当然是

越大越好，没有一个统计学家可以给你保证10倍或者15倍

一定是足够的。

随机对照试验有多种设计方法，常见的如完全随机设计、

析因设计、交叉设计等。不同设计的选择需要根据研究目的

来确定，如考虑一个因素还是多个因素，是否需要考虑交互

效应等。

三、研究假设

（1）单侧假设与双侧假设

有些情况下，你可能已经很确信你的研究只可能出现单

方向的关联，那就可以考虑单侧假设。例如阳性药物与安慰

剂对比，你完全有把握认为阳性药的疗效不可能低于安慰剂，

那就用单侧假设。在其它参数相等的情况下，双侧检验计算

的样本量会多于单侧检验。但是一定要注意，千万不要因为

这个原因去使用单侧检验。使用单侧或双侧检验是事先定好

的，而不是事后修改的。

临床试验中会对单侧检验和双侧检验分的比较清楚。常

见的差异性检验都是基于双侧假设，而非劣效性检验、优效

性检验、等效性检验则是基于单侧假设。对于非劣效检验、

优效性检验和等效性检验，在样本量计算时，除了需要考虑

单侧检验水准之外，还需要确定非劣效界值、优效性界值和

等效性界值。这些界值通常可根据临床实际情况，结合临床

和统计学综合考虑。

（2）多重假设

多个主要疗效指标的情况

如果要求多个主要疗效指标同时有统计学意义，才算有

统计学意义，此时无需校正α。

如果只要一个指标有统计学意义，就认为有统计学意义，

这时需要校正α。通常可按指标的重要性对α分配，重要指

标的检验水准大一些，次要指标检验水准小一些；