差异性检验的 基本统计分析方法 2004年临床试验课程
差异性检验的 基本统计分析方法 2004年临床试验课程
统计分析的几个基本概念 口观察单位/观察指标/变量 样本和总体 ■数据的集中趋势和离散趋势 (频数)分布 ■抽样分布 统计推断:假设检验/可信区间
统计分析的几个基本概念 ◼ 观察单位／观察指标／变量 ◼ 样本和总体 ◼ 数据的集中趋势和离散趋势 ◼ （频数）分布 ◼ 抽样分布 ◼ 统计推断：假设检验／可信区间
差异性检验的基本步骤 试验设计类型:平行/交叉 ■欲比较的观察指标的类型:连续/分类 口基线数据的均衡性检验 是否有需要调整的协变量 建立无效假设和备择假设 设立检验水准 根据观察指标的类型构建检验统计量 ■计算检验统计量值,得到相应的P值
差异性检验的基本步骤 ◼ 试验设计类型：平行／交叉 ◼ 欲比较的观察指标的类型：连续／分类 ◼ 基线数据的均衡性检验 ◼ 是否有需要调整的协变量 ◼ 建立无效假设和备择假设 ◼ 设立检验水准 ◼ 根据观察指标的类型构建检验统计量 ◼ 计算检验统计量值，得到相应的P值
连续型数据的两组间比较 t检验法(参数法) 检验统计量:t= 服从 SEGx-x) 1-a/2,n1+n22 标准误:SE(x-x)=s×1+1 合并方差r2(n1-12+(2-)2 n1+ 2 差的9%可信区间一巧千A明2+2xSB(一
连续型数据的两组间比较 ◼ t检验法（参数法） ( ) ( ) ( ) ( ) ( ) 1 2 1 2 2 1 2 1 2 2 2 2 2 2 1 1 1 2 1 2 1 2 2 1 2 1 2 1 2 1 2 95% : 2 1 1 : 1 1 : : x x t SE x x n n n s n s s n n SE x x s t SE x x x x t -α ,n n - -α ,n n - − − + − − + − = − = + − − = + + 差的 可信区间 合并方差 标准误 检验统计量 服从
秩和检验(非参数法) 步骤:1、混合排序、编秩,分组求秩和; 2、以秩和较小者作为T检验统计量; 3、查表得到P值,作出推断。 4、如样本量足够大,可采用正态近似法 计算u值査u值表得到P值进行统计推断 三组或三组以上的比较可根据情况采用参数法的 方差分析法或非参数法的H检验,组间两两比较 应调整检验水准以控制犯I型错误的概率
◼ 秩和检验（非参数法） 步骤：1、混合排序、编秩，分组求秩和； 2、以秩和较小者作为T检验统计量； 3、查表得到P值，作出推断。 4、如样本量足够大，可采用正态近似法 计算u值查u值表得到P值进行统计推断。 ◼ 三组或三组以上的比较可根据情况采用参数法的 方差分析法或非参数法的H检验，组间两两比较 应调整检验水准以控制犯I型错误的概率
分类数据的两组间比较 类别数及类别间是否存在等级关系 根据情况采用卡方检验或考虑类别间等级 关系的行平均分差检验
分类数据的两组间比较 ◼ 类别数及类别间是否存在等级关系 ◼ 根据情况采用卡方检验或考虑类别间等级 关系的行平均分差检验
样本大小计算(仅限于简单设计) ■检出力(把握度) power 口与假设检验的关系 两组之间效果的真实差异(临床上有意义 的差异) 效果大小(标准化差异) ■数据类型 连续变量、分类变量(正态近似法;多分类化为2分类) 研究设计类型
样本大小计算（仅限于简单设计） ◼ 检出力（把握度）power ◼ 与假设检验的关系 ◼ 两组之间效果的真实差异（临床上有意义 的差异） 效果大小（标准化差异） ◼ 数据类型 连续变量、分类变量（正态近似法；多分类化为2分类） ◼ 研究设计类型
不同类型结果变量的样本大小计算 结果为2分类变量(多分类化为2分类) 两组治疗的效果记为π1、m2,双侧检验水准为5%时, 每组样本大小为 m=C×(-x)+(-x 自检出力为80%时,C=79:90%时,C=105 结果为连续变量 两独立样本 两组治疗结果的估计记为μ1,2,双侧检验水准为5%时, 每组样本大小为 +1,d 2C 11 配对样本 双侧检验水准为5%时,样本大小为: 7
不同类型结果变量的样本大小计算 ◼ 结果为2分类变量（多分类化为2分类） 两组治疗的效果记为1、2，双侧检验水准为5%时， 每组样本大小为： 当检出力为80%时，C=7.9；90%时，C=10.5。 ◼ 结果为连续变量 ◼ 两独立样本 两组治疗结果的估计记为1，2，双侧检验水准为5%时， 每组样本大小为： ◼ 配对样本 双侧检验水准为5%时，样本大小为： ( ) ( ) ( ) 2 1 2 1 1 1 2 1 2 − − + − m = C 1 2 p , p 2 1 2 1, 2 − = + = C m = 2 + 2 C m
Table 1 Proportion outcomes- Two independent samples 0.3 0.4 0.5 0.7 0.8 0.1199(26)62(82)32(42)20(26)14(17)10(12)7(9) 5(6) 294(392)82(109)39(52)23(30)15(19)10(13)7(9) 356(477)93(125)42(56)24(31) 5(19)10(12) 388(519)97(130)42(56)23(30)14(17) 0.5 388(519)93(125)39(52)20(26) 356(477)82(109)32(42) 29(392)62(82) 199(266) Table 2 Continuous outcomes-- Two independent samples 0.2 0.8 80% power157139176 26 21 90% power 2103 527 235 133 60 44 34 27 Table 3 Continuous outcomes--Paired samples 0.3 0.5 80% powe 792 200 90% power 1052 265 119 24 19 15
Table 3 Continuous outcomes -- Paired samples 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 80% power 792 200 90 52 34 24 19 15 12 90% power 1052 265 119 68 44 32 24 19 15 Table 1 Proportion outcomes – Two independent samples 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0.1 199(266) 62(82) 32(42) 20(26) 14(17) 10(12) 7(9) 5(6) 0.2 - 294(392) 82(109) 39(52) 23(30) 15(19) 10(13) 7(9) 0.3 - 356(477) 93(125) 42(56) 24(31) 15(19) 10(12) 0.4 - 388(519) 97(130) 42(56) 23(30) 14(17) 0.5 - 388(519) 93(125) 39(52) 20(26) 0.6 - 356(477) 82(109) 32(42) 0.7 - 294(392) 62(82) 0.8 - 199(266) 0.9 - Table 2 Continuous outcomes -- Two independent samples 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 80% power 1571 394 176 100 64 45 33 26 21 90% power 2103 527 235 133 86 60 44 34 27
