Hayatta Kalma Çalışmaları İçin Güç Analizi
Sample Size and Power Analysis for Survival Analysis (Log-rank and Cox Regression) · Ayrıca şöyle bilinir: log-rank power analysis, cox regression power analysis, survival power analysis, Sağkalım Analizi Güç Analizi
Hayatta kalma çalışmaları için güç analizi, gruplar arasındaki klinik olarak anlamlı bir hayatta kalma farkını tespit etme olasılığının yeterli olması için bir log-rank testi veya Cox regresyonunun kaç katılımcıya — ve kaç gözlemlenen olaya — ihtiyaç duyulduğunu belirler. Temel formüller Schoenfeld (1981) ve Lachin (1981) tarafından türetilmiştir ve klinik çalışma planlamasında standart yaklaşım olmaya devam etmektedir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Zaman-olay çıktısı olan bir çalışma planlarken — mortalite veya hastalık ilerlemesi için klinik denemeler, boylamsal kohort çalışmaları, güvenilirlik mühendisliği testleri veya katılımcıların olaydan önce sansürlenebileceği herhangi bir tasarımda bu yöntemi uygulayın. Önceden belirtilmesi gereken anahtar girdiler beklenen tehlike oranı (veya medyan hayatta kalma sürelerindeki fark), beklenen olay oranı, planlanan takip süresi ve hayatta kalma dağılımlarının üstel veya Weibull eğrileriyle makul bir şekilde yaklaştırılıp yaklaştırılmadığıdır. Orantılı tehlikeler varsayımı geçerli olmalıdır; değilse, simülasyon tabanlı güç analizi önerilen yedek çözümdür. Analitik formüllerin güvenilir olması için minimum toplam örneklem 30 gereklidir.
Güçlü yönler & sınırlılıklar
- Sansürü açıkça hesaba katar: çalışma penceresi içinde olayı yaşamayan hastalar, atılmak yerine kısmi bilgi sağlarlar.
- Klinik olarak anlamlı bir tehlike oranını somut bir işe alım hedefine dönüştürmek için ilkeli bir yol sağlar.
- Deneme kayıtlarında ve etik başvurularda yaygın olarak kabul edilir; onlarca yıllık klinik araştırmada doğrulanmış seminal 1981 türevleriyle desteklenir.
- Takip boyunca orantılı tehlikeler varsayar; hayatta kalma eğrilerinin kesişmesi veya zamanla değişen etkiler formülü geçersiz kılar.
- Olay oranının ve takip süresinin güvenilir ön tahminlerini gerektirir, bunlar yeni müdahaleler için mevcut olmayabilir.
- Temel hayatta kalmaya ilişkin üstel veya Weibull dağılım varsayımı karmaşık popülasyonlarda geçerli olmayabilir.
SSS
Olay sayısının toplam örneklem büyüklüğünden neden daha önemli olduğunu?
Log-rank testi, gözlemlenen her olaydan bilgi kazanır. Sansürlenen katılımcılar (takip kaybı veya çalışma sonunda olaysız) daha az istatistiksel bilgi sağlarlar. Schoenfeld'in formülü, gücün doğrudan N'ye değil, olay sayısına d bağlı olduğunu gösterir. Sadece 20 olaya sahip 200 katılımcılı bir deneme, 120 olaya sahip 200 katılımcılı bir deneme kadar bilgilendirici değildir.
Planlamada hangi tehlike oranını kullanmalıyım?
Klinik uygulamayı değiştirecek gruplar arasındaki en küçük fark olan minimum klinik olarak anlamlı tehlike oranını kullanın. Bu ideal olarak bir pilot çalışmadan, yayınlanmış meta-analizlerden veya klinik uzman konsensüsünden elde edilir. Aşırı iyimser bir HR kullanmak yetersiz güçlü bir çalışma; aşırı muhafazakar bir tane kullanmak ise gereksiz yere büyük bir örneklem üretir.
Orantılı tehlikeleri varsayamazsam ne olur?
Schoenfeld formülü orantılı tehlikeler varsayımı altında türetilmiştir. Hayatta kalma eğrilerinin kesişmesi bekleniyorsa veya tedavi etkisi zamanla değişiyorsa, kapalı form bir tehlike modeli gerektirmeyen simülasyon tabanlı güç analizi daha uygun bir yaklaşımdır.
Damla ve sansür gerektirilen örneklem büyüklüğünü nasıl etkiler?
İdari sansür (çalışma sonunda olaysız katılımcılar) zaten olay olasılığı yoluyla hesaba katılır. Çekilme veya takip kaybı nedeniyle ek damla, etkili olay sayısını azaltır, bu nedenle toplam işe alınan örneklem buna göre şişirilmelidir. %15 damla bekliyorsanız, hedef olay sayısının hala karşılandığından emin olmak için analitik olarak gerekli N'yi 0.85'e bölün.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Sample Size and Power Analysis for Survival Analysis (Log-rank and Cox Regression). ScholarGate. https://scholargate.app/tr/statistics/power-analysis-survival
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Cox Orantılı TehlikelerEpidemiyoloji↔ karşılaştır
- Kaplan-Meier Sağkalım TahmincisiSağkalım↔ karşılaştır
- Sağkalım Eğrilerini Karşılaştırmak İçin Log-Rank TestiSağkalım↔ karşılaştır
- Oran Testleri için Güç Analiziİstatistik↔ karşılaştır
- t-test için Güç Analiziİstatistik↔ karşılaştır
- Simülasyon Tabanlı Güç Analizi (Monte Carlo Gücü)İstatistik↔ karşılaştır