Power-Analyse für Überlebensstudien
Die Power-Analyse für Überlebensstudien bestimmt, wie viele Teilnehmer – und wie viele beobachtete Ereignisse – erforderlich sind, damit ein Log-Rank-Test oder eine Cox-Regression eine ausreichende Wahrscheinlichkeit hat, einen klinisch bedeutsamen Unterschied im Überleben zwischen den Gruppen zu erkennen. Die grundlegenden Formeln wurden von Schoenfeld (1981) und Lachin (1981) abgeleitet und bleiben der Standardansatz in der Planung klinischer Studien.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Sample Size and Power Analysis for Survival Analysis (Log-rank and Cox Regression). ScholarGate. https://scholargate.app/de/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-Hazards-ModellEpidemiologie↔ compare
- Kaplan-Meier ÜberlebensschätzerÜberlebenszeitanalyse↔ compare
- Log-Rank-Test zum Vergleich von ÜberlebenskurvenÜberlebenszeitanalyse↔ compare
- Poweranalyse für ProportionstestsStatistik↔ compare
- Power-Analyse für den t-TestStatistik↔ compare
- Simulationsbasierte Power-Analyse (Monte-Carlo-Power)Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →