Kalkulator Percuma Editverse

Kalkulator Saiz Sampel Kajian Ketepatan Diagnostik

Kira berapa ramai peserta yang diperlukan untuk kajian ketepatan diagnostik. Pilih ketepatan sensitiviti dan spesifisiti (Buderer), AUC terhadap nilai nol atau perbandingan dua AUC berkorelasi.

Dalam Perkataan Mudah

Satu kajian diagnostik memerlukan peserta yang mencukupi agar anggarannya berguna. Bagi kepekaan dan kekhususan, ini bermakna selang keyakinan yang cukup sempit untuk diambil tindakan. Bagi lengkung ROC, ini bermakna kes dan bukan kes yang mencukupi untuk menunjukkan bahawa AUC adalah lebih baik daripada nilai rujukan, atau satu ujian mengatasi ujian yang lain.

Masukkan nilai yang dijangkakan dan ketepatan atau kuasa yang anda inginkan. Kalkulator mengembalikan bilangan orang dengan dan tanpa syarat tersebut, dan jumlah yang mesti anda rekrut. Keputusan menggunakan anggaran normal, jadi anggap ia sebagai angka perancangan dan sahkannya dengan ahli statistik untuk protokol akhir.

Bila Perlu Menggunakan Kalkulator Saiz Sampel Kajian Diagnostik Ini

Gunakannya apabila anda merancang kajian ujian baharu terhadap piawaian rujukan dan memerlukan saiz sampel yang boleh dipertahankan untuk protokol, geran atau permohonan etika. Pilih Buderer apabila matlamatnya ialah selang keyakinan dengan lebar tertentu di sekitar kepekaan dan kekhususan. Pilih AUC terhadap nol apabila ujian memberikan skor berterusan atau ordinal dan anda ingin menunjukkan ia membezakan dengan lebih baik daripada AUC yang dinyatakan. Pilih pilihan AUC berkorelasi apabila peserta yang sama menerima dua ujian.

Prevalens penyakit adalah penting kerana sensitiviti hanya dianggarkan daripada orang yang mempunyai keadaan tersebut dan spesifisiti hanya daripada orang yang tidak mempunyainya. Keadaan yang jarang berlaku bermakna anda mesti menapis ramai orang untuk mencari kes yang mencukupi. Kalkulator menunjukkan jumlah bagi setiap ukuran dan melaporkan yang lebih besar sebagai nombor yang anda perlukan.

# Saiz sampel untuk kajian ketepatan diagnostik (asas R, tiada pakej) matlamat <- "{matlamat}"; ​​alpha <- {alpha} za <- qnorm(1 - alpha / 2) jika (grepl("Buderer", matlamat)) { # Buderer 1996 / Flahault 2005: n = z^2 P (1 - P) / d^2, kemudian bahagikan dengan kelaziman atau 1 - kelaziman se <- {se} / 100; sp <- {sp} / 100; prev <- {prev} / 100; d <- {d} / 100 n_dis <- za^2 * se * (1 - se) / d^2 # berpenyakit diperlukan untuk sensitiviti (tidak dibundarkan) n_non <- za^2 * sp * (1 - sp) / d^2 # tidak berpenyakit diperlukan untuk kekhususan (tidak dibundarkan) tot_se <- siling(n_dis / prev); tot_sp <- siling(n_non / (1 - sebelumnya)) c(berpenyakit = siling(n_dis), tidak berpenyakit = siling(n_non), sensitiviti_jumlah = tot_se, kekhususan_jumlah = tot_sp, jumlah_perlu = maks(tot_se, tot_sp)) } lain { # Varians Hanley & McNeil (1982) bagi AUC; n0 = siling(nisbah * n1) A <- {auc}; A0 <- {auc0}; A2 <- {auc2}; r <- {rho}; nisbah <- {nisbah} pw <- {kuasa} / 100; dd <- {d} / 100; zb <- qnorm(pw) hmvar <- fungsi(A, n1, n0) { Q1 <- A / (2 - A); S2 <- 2 * A^2 / (1 + A) (A * (1 - A) + (n1 - 1) * (S1 - A^2) + (n0 - 1) * (S2 - A^2)) / (n1 * n0) } # Hanley & McNeil (1983): Var(A1 - A2) = Var(A1) + Var(A2) - 2 r SE1 SE2 vd <- function(A1, A2, n1, n0) { v1 <- hmvar(A1, n1, n0); v2 <- hmvar(A2, n1, n0); v1 + v2 - 2 * r * sqrt(v1 * v2) } jika (grepl("berkorelasi", matlamat)) { Ab <- (A + A2) / 2; D <- abs(A - A2) ok <- function(n1) { n0 <- siling(nisbah * n1); D >= za * sqrt(vd(Ab, Ab, n1, n0)) + zb * sqrt(vd(A, A2, n1, n0)) } okp <- function(n1) { n0 <- siling(nisbah * n1); za * sqrt(vd(A, A2, n1, n0)) <= dd } } else { ok <- function(n1) { n0 <- siling(nisbah * n1); A - A0 >= za * sqrt(hmvar(A0, n1, n0)) + zb * sqrt(hmvar(A, n1, n0)) } okp <- function(n1) { n0 <- siling(nisbah * n1); za * sqrt(hmvar(A, n1, n0)) <= dd } } n1 <- 2; manakala (!ok(n1)) n1 <- n1 + 1 p1 <- 2; sementara (!okp(p1)) p1 <- p1 + 1 c(positif = n1, negatif = siling(nisbah * n1), jumlah = n1 + siling(nisbah * n1), jumlah_ketepatan_sahaja = p1 + siling(nisbah * p1)) }

Contoh yang Diusahakan

Katakan anda menjangkakan sensitiviti sebanyak 90% dan spesifisiti sebanyak 85%, dengan prevalens penyakit sebanyak 20%. Anda mahu setiap selang keyakinan mempunyai separuh lebar 5 mata peratusan pada aras keertian 5%.

Sensitiviti memerlukan 139 orang dengan keadaan ini, yang bermaksud 692 peserta secara keseluruhan dengan prevalens 20%. Spesifisiti memerlukan 196 orang tanpa keadaan ini, yang bermaksud 245 secara keseluruhan. Angka yang lebih besar menentukan, jadi sampel yang diperlukan ialah 692 peserta.

Tetapan kedua menunjukkan kesan prevalens rendah: sensitiviti 80%, spesifisiti 95%, prevalens 10%, separuh lebar 7.5 mata dan tahap signifikansi 1%. Sensitiviti memerlukan 189 kes (1888 keseluruhan) dan spesifisiti memerlukan 57 bukan kes (63 keseluruhan), jadi anda memerlukan 1888 peserta.

Bagi ujian AUC, AUC yang dijangkakan sebanyak 0.80 berbanding nol sebanyak 0.5, saiz kumpulan yang sama, kuasa 80% dan aras signifikansi 5% memerlukan 14 orang dalam setiap kumpulan, sejumlah 28 orang. Jika anda lebih suka melaporkan AUC dengan selang keyakinan tambah atau tolak 0.05, input yang sama memberikan 151 dalam setiap kumpulan, sejumlah 302. Bagi AUC sebanyak 0.70 berbanding 0.6 dengan dua kali ganda bilangan peserta yang tidak berpenyakit berbanding peserta yang berpenyakit dan kuasa 90%, jawapannya ialah 126 dan 252, sejumlah 378.

Bagi dua ujian ke atas peserta yang sama, AUC sebanyak 0.80 dan 0.90 dengan korelasi 0.5 antara anggaran, kuasa 80% dan kumpulan yang sama memerlukan 61 dalam setiap kumpulan, 122 secara keseluruhan. Sasaran ketepatan sahaja iaitu tambah atau tolak 0.05 pada perbezaan memerlukan 242.

Andaian untuk Disemak

• Kaedah-kaedah tersebut adalah anggaran normal: selang Wald untuk Buderer dan formula varians Hanley dan McNeil untuk AUC. Kaedah-kaedah ini berfungsi paling baik dengan nilai AUC yang sederhana dan saiz kumpulan yang mencukupi.
• Kepekaan dan kekhususan hampir 0% atau 100%, atau sampel yang sangat kecil, menjadikan selang Wald optimistik. Jika selang tersebut akan melintasi 0 atau 100%, kalkulator akan menambah nota.
• Jumlah untuk Buderer mengandaikan kelaziman dalam sampel anda sama dengan kelaziman yang anda masukkan. Ukuran lain kemudiannya akan mempunyai selang yang lebih sempit daripada sasaran.
• Bagi dua AUC, korelasi yang dimasukkan digunakan secara langsung sebagai korelasi antara dua anggaran AUC. Jadual carian Hanley dan McNeil yang menukar korelasi skor kepada nilai ini tidak dilaksanakan. Hasilnya sangat sensitif terhadap input ini.
• Tiada pelarasan untuk keciciran, keputusan yang tidak boleh dinilai, berbilang pembaca, data berkelompok atau AUC separa. Besarkan nombor akhir untuk kerugian yang dijangkakan.

Kesalahan biasa

Mengabaikan kelaziman

Mengira bilangan kes dan bukan kes tetapi lupa membahagikan dengan prevalens akan mengecilkan sasaran pengambilan pekerja. Jumlah di atas menunjukkan betapa cepatnya ia meningkat apabila prevalens rendah.

Menggunakan jumlah yang lebih kecil

Sensitiviti dan spesifisiti masing-masing memberikan jumlah. Anda memerlukan yang lebih besar daripada kedua-duanya, jika tidak, salah satu anggaran akan menjadi kurang tepat daripada yang dirancang.

Memasukkan korelasi skor sebagai korelasi AUC

Korelasi antara dua anggaran AUC secara amnya lebih rendah daripada korelasi antara skor ujian mentah. Memasukkan korelasi skor boleh mengecilkan saiz sampel. Gunakan nilai berasaskan rintis yang lebih rendah untuk bersikap konservatif.

Merawat ujian keertian sebagai sasaran ketepatan

Menunjukkan bahawa AUC berbeza daripada nilai nol memerlukan lebih sedikit orang berbanding menganggarkan AUC dengan tepat. Dalam contoh di atas, 28 peserta boleh menunjukkan AUC 0.80 berbanding 0.5 (penghampirannya lemah pada saiz yang kecil, jadi anggap 28 sebagai batas bawah), tetapi 302 diperlukan untuk selang tambah atau tolak 0.05. Tentukan soalan yang mesti dijawab oleh kajian.

Soalan Lazim

Kaedah saiz sampel yang manakah patut saya pilih?

Gunakan Buderer untuk kepekaan dan kekhususan pada ambang yang dipilih. Gunakan pilihan AUC apabila ujian menghasilkan skor dan anda ingin menilainya merentasi ambang.

Mengapakah jumlahnya jauh lebih besar daripada bilangan kes?

Hanya sebahagian kecil peserta yang menghidap keadaan ini. Dengan prevalens 20%, 139 kes memerlukan 692 peserta secara keseluruhan.

Adakah kalkulator ini merangkumi kuasa untuk kepekaan dan kekhususan?

Tidak. Pilihan Buderer hanya menyasarkan lebar selang keyakinan dan tidak menggunakan kuasa. Kuasa terpakai pada pilihan AUC.

Bolehkah saya menggunakan nombor-nombor ini sebagai nombor muktamad?

Gunakannya untuk perancangan. Kaedah-kaedah ini adalah anggaran, jadi semak angka akhir dengan ahli statistik, terutamanya untuk sampel kecil, nilai ekstrem atau reka bentuk yang kompleks.

Apakah fungsi nisbah kumpulan?

Ia menetapkan bilangan peserta bukan berpenyakit yang anda daftarkan untuk setiap peserta berpenyakit dalam pilihan AUC. Nisbah 2 memberikan 126 dan 252 dalam contoh di atas.

Kalkulator Berkaitan

Kalkulator Lengkung ROC dan AUC Kalkulator Ketepatan Diagnostik Kalkulator Saiz dan Kuasa Sampel Kalkulator Prevalens Kalkulator Selang Keyakinan Kajian Ketepatan STARD dan Diagnostik

Rujukan

1. Buderer NM. Metodologi statistik: I. Menggabungkan kelaziman penyakit ke dalam pengiraan saiz sampel untuk kepekaan dan kekhususan. Acad Emerg Med. 1996;3(9):895-900. PMID 8870764
2. Hanley JA, McNeil BJ. Maksud dan penggunaan kawasan di bawah lengkung ciri operasi penerima (ROC). Radiologi. 1982. PMID 7063747
3. Hanley JA, McNeil BJ. Kaedah untuk membandingkan kawasan di bawah lengkung ciri operasi penerima yang diperoleh daripada kes yang sama. Radiologi. 1983. PMID 6878708
4. Flahault A, Cadilhac M, Thomas G. Pengiraan saiz sampel perlu dilakukan untuk ketepatan reka bentuk dalam kajian ujian diagnostik. J Clin Epidemiol. 2005. PMID 16018921

Perlu Analisis Ini Dilakukan untuk Manuskrip Anda?

Perlukan bahagian saiz sampel protokol anda ditulis, disemak atau dijustifikasikan untuk pemberi dana atau lembaga etika? Ahli statistik Editverse boleh menyediakan dan menyemaknya bersama anda.

Dapatkan Sokongan Saiz Sampel