---
webr:
packages: [dplyr, ggplot2]
resources: [R/setup.R, data/nhanes.rds]
cell-options:
autorun: true
timelimit: 300
---
{{< include ./_extensions/r-wasm/live/_knitr.qmd >}}
# 設計で変わる人数 {#sec-design}
```{webr}
#| include: false
source("R/setup.R")
```
ここまでは「2 群に同じ人数を割り付け、全員が最後まで参加し、評価項目を 1 回だけ測る」という、いちばん単純な設計で考えてきました。
実際の研究では、割付の比・脱落・ベースラインの測定・クラスター(施設や学校ごとの割付)によって、必要な人数が変わります。
例は引き続き、差 Δ = 5 mmHg、標準偏差 σ = 10 mmHg、両側 5%、検出力 80%(1 群 64 人)です。
## 割付の比を変える
新しい治療に多くの人を割り付けたい(安全性のデータを多く集めたい、参加者が新しい治療を受けやすくしたい)ことがあります。
新しい治療に k 人、従来の治療に 1 人の割合で割り付けると、従来群の人数は
$$
n_0 = \left(1 + \frac{1}{k}\right) \frac{(z_{1-\alpha/2} + z_{1-\beta})^2 \sigma^2}{\Delta^2},
\qquad n_1 = k \, n_0
$$
になります(正規分布による公式)。
```{webr}
z2 <- (qnorm(0.975) + qnorm(0.80))^2
k <- c(1, 1.5, 2, 3)
n0 <- ceiling((1 + 1 / k) * z2 * 10^2 / 5^2)
n1 <- ceiling(k * n0)
data.frame(`比 (新:従来)` = paste0(k, ":1"), 従来群 = n0, 新しい治療群 = n1, 合計 = n0 + n1,
`1:1 との比` = round((n0 + n1) / (2 * n0[1]), 2), check.names = FALSE)
```
- 2:1 にしても、合計は約 **1.14 倍** で済む
- 3:1 にすると約 1.33 倍。比を大きくするほど、効率は急に悪くなる
2:1(従来 48 人、新しい治療 96 人)で本当に検出力 80% になるか、確かめます。
```{webr}
set.seed(1)
mean(replicate(2000, t.test(rnorm(96, 5, 10), rnorm(48, 0, 10), var.equal = TRUE)$p.value < 0.05))
```
約 80% になりました(シミュレーションなので 1 ポイントほどぶれます)。
## 脱落を見込む
20% の参加者が、評価の前に脱落すると見込んでいるとします。必要な人数を何人に増やせばよいでしょうか。
```{webr}
c(`64 × 1.2` = 64 * 1.2, `64 ÷ 0.8` = 64 / 0.8)
```
正しいのは **割り算**(64 ÷ (1 − 0.2) = 80 人)です。80 人の 20% が脱落すると、残りは 64 人になります。
掛け算(64 × 1.2 ≈ 77 人)では、77 人の 20% が脱落して 61〜62 人しか残りません。
::: {.callout-warning}
## 人数を増やしても、偏りは消えない
脱落を見込んで人数を増やすのは、**検出力を保つため** です。
脱落した人が「効かなかった人」「副作用が出た人」に偏っていれば、残った人だけの解析は **偏った結果** になります。人数を増やしてもこの偏りは消えません。
脱落した人のデータをどう扱うかは、計画の段階で決めておきます([欠測データと多重代入ハンズオン](/study/imputation_hands_on/))。
:::
## ベースラインを測る
多くの試験では、評価項目(血圧)を **治療前(ベースライン)にも** 測ります。ベースラインの値を解析に使うと、必要な人数を大きく減らせます。
ベースラインと治療後の値の相関を ρ とすると、解析の方法ごとに、使う分散は次のようになります。
| 解析 | 比べるもの | 分散 | ρ = 0.6 のとき |
|---|---|---|---|
| 治療後の値の t 検定 | 治療後の値 | σ² | 1 倍 |
| 変化量の t 検定 | 治療後 − ベースライン | 2(1 − ρ) σ² | 0.8 倍 |
| **ANCOVA**(ベースラインで調整した回帰) | 治療後の値(ベースラインで調整) | (1 − ρ²) σ² | **0.64 倍** |
必要な人数は分散に比例するので、ρ = 0.6 なら:
```{webr}
rho <- 0.6
f <- c(治療後の値 = 1, 変化量 = 2 * (1 - rho), ANCOVA = 1 - rho^2)
sapply(f, function(v) ceiling(power.t.test(delta = 5, sd = 10 * sqrt(v), power = 0.8)$n))
```
ANCOVA なら 1 群 **42 人** で済みます。1 群 42 人の試験を 2000 回シミュレーションして、3 つの解析の検出力を比べます。
```{webr}
set.seed(1)
n <- 42
res <- replicate(2000, {
g <- rep(0:1, each = n) # 0 = 従来、1 = 新しい治療
base <- rnorm(2 * n, 0, 10) # ベースライン
post <- rho * base + rnorm(2 * n, 0, 10 * sqrt(1 - rho^2)) + 5 * g # 治療後(相関 ρ)
c(治療後の値 = t.test(post ~ g, var.equal = TRUE)$p.value < 0.05,
変化量 = t.test((post - base) ~ g, var.equal = TRUE)$p.value < 0.05,
ANCOVA = summary(lm(post ~ g + base))$coef["g", 4] < 0.05)
})
rowMeans(res)
```
同じ 42 人でも、治療後の値だけを比べると検出力は約 64%、変化量なら約 72%、ANCOVA なら約 81% です。
::: {.callout-tip}
## ベースラインの値を測れるなら、ANCOVA で計画する
- ANCOVA はどんな ρ でも、変化量の解析より効率がよい(ρ が 0.5 未満なら、変化量の解析は治療後の値だけの解析より **悪く** なる)
- ρ はパイロット研究や既存の縦断データから見積もる。控えめな値(小さめの ρ)を使う
- ベースライン以外にも、評価項目と強く関係する変数(年齢など)で調整すると、さらに人数を減らせる
:::
## 対応のあるデータ
同じ人に 2 つの治療を行う(クロスオーバー試験)、左右の目を比べる、などの **対応のあるデータ** では、個人の差の標準偏差 $\sigma_d$ を使います。
```{webr}
power.t.test(delta = 5, sd = 8, power = 0.80, type = "paired")
```
差の標準偏差が 8 mmHg なら、**23 人**(各自が両方の治療を受ける)で済みます。
個人間のばらつきが打ち消されるので、ずっと少ない人数になります。ただし、持ち越し効果や順序の影響がない、という前提が必要です。
## クラスターで割り付ける
施設・病棟・学校ごとに介入を割り付ける **クラスターランダム化試験** では、同じクラスターの人どうしが似ているため、1 人ひとりが独立な情報になりません。
似ている程度を **級内相関係数(ICC)** で表し、1 クラスター m 人のとき、必要な人数を **デザイン効果**
$$
DE = 1 + (m - 1) \times ICC
$$
倍にします。
```{webr}
icc <- 0.05; m <- 20
de <- 1 + (m - 1) * icc
c(デザイン効果 = de, `1群の人数` = ceiling(64 * de), `1群のクラスター数` = ceiling(64 * de / m))
```
ICC が 0.05 と小さくても、1 クラスター 20 人ならデザイン効果は **1.95**。人数はほぼ 2 倍になり、1 群 7 クラスター(140 人)が必要です。
### クラスターの人数を増やしても
```{webr}
m <- c(5, 10, 20, 50, 100)
k <- ceiling(64 * (1 + (m - 1) * icc) / m)
data.frame(`1クラスターの人数` = m, `1群のクラスター数` = k, `1群の人数` = k * m, check.names = FALSE)
```
1 クラスターの人数を増やすと、必要なクラスター数は減りますが、**合計の人数はどんどん増えます**。
検出力を決めるのは、主に **クラスターの数** です。クラスター数が少なすぎる(1 群 4〜5 以下)と、解析自体が不安定になります。
### 1 人ずつの解析をすると
クラスターを無視して、1 人ずつのデータで t 検定をしたらどうなるでしょうか。**本当は差がない** 世界で確かめます。
```{webr}
set.seed(1)
k <- 7; m <- 20
res <- replicate(2000, {
id <- rep(1:(2 * k), each = m); g <- rep(0:1, each = k)
y <- rnorm(2 * k, 0, 10 * sqrt(icc))[id] + rnorm(2 * k * m, 0, 10 * sqrt(1 - icc)) # 差はない
c(`1人ずつのt検定` = t.test(y ~ g[id], var.equal = TRUE)$p.value < 0.05,
クラスター平均のt検定 = t.test(tapply(y, id, mean) ~ g, var.equal = TRUE)$p.value < 0.05)
})
rowMeans(res) # 差がないのに有意になった割合
```
クラスターを無視すると、差がないのに **約 17%** が有意になります(本来は 5%)。
クラスター試験では、計画でも解析でも、クラスターを考慮します(クラスター平均の比較、混合モデル、GEE など。混合モデルは [線形混合モデルハンズオン](/study/lmm_hands_on/))。
## やってみよう
::: {.callout-note}
## 練習
1. 脱落 15% を見込むと、ANCOVA で計画した 1 群 42 人は何人にすればよいですか
2. ICC が 0.02 なら、1 クラスター 20 人で 1 群何クラスター必要ですか
3. 1 群 7 クラスター、1 クラスター 20 人の試験の検出力を、クラスター平均の t 検定でシミュレーションしてください(本当の差 5 mmHg)。80% に届かなければ、クラスターを 1 つ増やしてみてください
:::
```{webr}
#| autorun: false
# 1.
ceiling(42 / (1 - 0.15))
# 2.
ceiling(64 * (1 + (20 - 1) * 0.02) / 20)
# 3.
cluster_power <- function(k, m = 20, icc = 0.05, delta = 5, reps = 2000) {
mean(replicate(reps, {
id <- rep(1:(2 * k), each = m); g <- rep(0:1, each = k)
y <- rnorm(2 * k, 0, 10 * sqrt(icc))[id] + delta * g[id] + rnorm(2 * k * m, 0, 10 * sqrt(1 - icc))
t.test(tapply(y, id, mean) ~ g, var.equal = TRUE)$p.value < 0.05
}))
}
set.seed(1); cluster_power(7)
set.seed(1); cluster_power(8)
```
::: {.callout-tip collapse="true"}
## 解答
1. 50 人(42 ÷ 0.85 = 49.4 を切り上げ)
2. 5 クラスター(デザイン効果 1.38、1 群 89 人)
3. 7 クラスターで約 79%、8 クラスターで 80% を超えます。クラスター数が少ないと、t 検定の自由度(2k − 2)が小さく、正規分布の公式より検出力が下がるので、**クラスターを 1〜2 つ足す** のが目安です
:::
::: {.callout-important}
## この章のまとめ
- 割付比 2:1 なら合計約 1.14 倍、3:1 なら約 1.33 倍
- 脱落は **割り算** で見込む(n ÷ (1 − 脱落率))。人数を増やしても偏りは消えない
- ベースラインを測るなら **ANCOVA** で計画すると、人数は (1 − ρ²) 倍に減る
- 対応のあるデータは、差の標準偏差で計算する
- クラスター試験は **デザイン効果 1 + (m − 1) ICC** を掛ける。検出力を決めるのはクラスターの数
:::