Styrkeberegning for overlevelsesstudier
Styrkeberegning for overlevelsesstudier bestemmer, hvor mange deltagere — og hvor mange observerede hændelser — der kræves, for at en log-rank-test eller Cox-regression har en tilstrækkelig sandsynlighed for at detektere en klinisk meningsfuld forskel i overlevelse mellem grupper. De grundlæggende formler blev udledt af Schoenfeld (1981) og Lachin (1981) og forbliver standardtilgangen i planlægning af kliniske forsøg.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Schoenfeld, D. A. (1981). The asymptotic properties of nonparametric tests for comparing survival distributions. Biometrika, 68(1), 316–319. DOI: 10.1093/biomet/68.1.316 ↗
- Lachin, J. M. (1981). Introduction to sample size determination and power analysis for clinical trials. Controlled Clinical Trials, 2(2), 93–113. DOI: 10.1016/0197-2456(81)90001-5 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Sample Size and Power Analysis for Survival Analysis (Log-rank and Cox Regression). ScholarGate. https://scholargate.app/da/statistics/power-analysis-survival
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Cox Proportional HazardsEpidemiologi↔ compare
- Kaplan-Meier overlevelsesestimatorOverlevelsesanalyse↔ compare
- Log-rank test til sammenligning af overlevelseskurverOverlevelsesanalyse↔ compare
- Poweranalyse for proportions-testsStatistik↔ compare
- Poweranalyse for t-testenStatistik↔ compare
- Simuleringsbaseret styrkeanalyse (Monte Carlo-styrke)Statistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →