3 割合の差
評価項目が「イベントが起きたか」「改善したか」のような 2 値 のときは、2 群の割合を比べます。 5 年間の心血管イベントの発生率が、従来の治療で 20%、新しい治療で 15% になると見込んでいるとします。
3.1 power.prop.test() で計算する
1 群 906 人(905.4 を切り上げ)、2 群で 1812 人です。 平均の差では「差」と「標準偏差」の 2 つを決めましたが、割合では 2 つの割合を決めれば、ばらつきも決まります。割合 p の 2 値データの分散は p(1 − p) だからです。
3.1.1 公式
\[ n = \frac{\left( z_{1-\alpha/2}\sqrt{2\bar{p}(1-\bar{p})} + z_{1-\beta}\sqrt{p_1(1-p_1) + p_2(1-p_2)} \right)^2}{(p_1 - p_2)^2}, \quad \bar{p} = \frac{p_1 + p_2}{2} \]
power.prop.test() と同じ値になりました。差がない世界では 2 群共通の割合 \(\bar{p}\) で、差がある世界ではそれぞれの割合で、ばらつきを計算しています。
3.1.2 シミュレーションで確かめる
補正なしの χ² 検定(割合の差の z 検定)なら約 80%。R の prop.test() の既定である Yates の補正をつけると、約 77% に下がります。 power.prop.test() は補正なしの検定を前提にしています。解析で補正をつける予定なら、その分だけ人数を増やすか、シミュレーションで確かめます(Yates の補正については χ² 検定ハンズオン の第 5 章)。
3.2 同じ「5 ポイントの差」でも
差を 5 ポイントに固定して、基準の割合(従来の治療の割合)を変えてみます。
同じ 5 ポイントの差でも、割合が 50% に近いほど 多くの人数が必要です(50% → 45% で 1565 人、10% → 5% で 435 人)。 分散 p(1 − p) は p = 0.5 で最大になるからです。
3.3 相対的な減少で考えると
臨床試験では「イベントを 25% 減らす」(リスク比 0.75)のように、相対的な効果で見込むことがよくあります。 リスク比を 0.75 に固定して、基準の割合を変えてみます。
イベントが少ない(基準の割合 2%)と、1 群 1 万人以上が必要になります。 ところが、起きるイベントの数 で見ると、どの場合も 250〜380 件ほどで、大きくは変わりません。
相対的な効果を検出する力は、主に 起きたイベントの数 で決まります。 発生率が低い病気の予防試験が何万人規模になるのはこのためです。追跡期間を延ばす、リスクの高い人を対象にする、などでイベント数を増やす工夫をします(生存時間解析のイベント数の計算は第 7 章)。
3.4 オッズ比で見込むとき
先行研究がロジスティック回帰の オッズ比 を報告していることもあります。power.prop.test() には割合を入れるので、オッズ比を割合に直します。
オッズ比 0.7 は、基準 20% のとき 14.9% にあたり、1 群 866 人です。 同じオッズ比 0.7 でも、基準が 50% なら 41.2%(差 8.8 ポイント)になり、人数は 499 人になります。オッズ比だけでは人数は決まらず、基準の割合が必要 です。
3.5 人数が少ないとき:Fisher の正確検定
副作用の割合が 5% と 20% のように差が大きいと、必要な人数は少なくなります。
1 群 76 人です。しかし、これだけ少ないと期待度数が小さくなり、解析では Fisher の正確検定 を使うことになるかもしれません。Fisher の検定は保守的(有意になりにくい)です。
76 人では、Fisher の正確検定の検出力は約 75% しかありません。81 人で約 80%、86 人で約 83% です。1 割ほど人数を増やす 必要があります。
power.prop.test() は「補正なしの χ² 検定」の検出力です。 Yates の補正・Fisher の正確検定・ロジスティック回帰で調整する、など 解析計画が違えば、検出力も違います。解析計画どおりの検定でシミュレーションするのが確実です(第 7 章)。
3.6 やってみよう
- 有効率が 60% と 70% の 2 群を、検出力 90% で比べるのに必要な 1 群の人数を求めてください
- 基準の割合 30%、リスク比 0.8 のときの 1 群の人数と、起きるイベントの数を求めてください
- 1 群 477 人
- 1 群 859 人、イベントは約 464 件。リスク比 0.8 は 0.75 より効果が小さいので、イベント数も多く必要になります
- 割合の比較では、2 つの割合 を決めれば人数が決まる(ばらつきは p(1 − p))
- 同じ差でも、割合が 50% に近いほど多くの人数が必要
- 相対的な効果(リスク比)を見込むときは、イベント数 が検出力を決める。発生率が低いと人数は膨大になる
- オッズ比で見込むときは、基準の割合とあわせて割合に直す
power.prop.test()は補正なしの χ² 検定。Yates の補正や Fisher の正確検定を使うなら人数を増やす