Unified and simple sample size calculations for individual or cluster randomized trials with skewed or ordinal outcomes¶
作者: Shengxin Tu, Chun Li, C William Wester, Caroline De Schacht, Carolyn M Audet et al.
来源: Journal of the Royal Statistical Society Series C
主题: 数理统计 / 假设检验
相关性: 4/10
机构绿灯: Vanderbilt University(US News 前 50,免分进入精读)
链接: 期刊页 · arXiv
一、领域脉络与小综述¶
这个方向是什么¶
临床试验设计中的一个基础问题是:在给定检验水平、功效和效应量下,需要多少样本?当结局是连续且正态分布时,基于 t 检验的经典公式(如两样本均值比较)是标准答案。然而,许多真实世界的结局(如生物标志物、医疗费用、就诊次数)是严重偏态的,甚至是序数或计数的。强行套用正态假设的公式,要么需要预先猜测一个合适的变换(如对数变换),要么需要假设一个参数分布(如负二项),这些在试验设计阶段(数据尚未收集)往往难以合理指定。本方向的核心问题就是:如何在不依赖结局分布具体形式的前提下,为偏态连续或序数结局的随机对照试验(RCT)进行简单、稳健的样本量计算? 该方向处于"应用统计方法"的成熟阶段,方法众多但各有局限,缺乏一个统一且简单的框架。
发展脉络¶
- 奠基工作:Whitehead (1993) 的序数结局样本量公式。本文的起点是 Whitehead 针对独立序数结局提出的样本量计算公式(公式 1)。该公式基于比例优势(PO)模型下治疗效应的得分检验,其优势在于只需指定各结局类别的期望比例,而不需要指定一个完整的参数分布。这是本领域被广泛引用的经典结果。
- 主要进展:秩和检验的样本量方法。针对连续结局,一个自然的非参数思路是基于 Wilcoxon 秩和检验。Noether (1987) 提出了相应的样本量公式,但其应用常受限于对位置偏移模型的假设。Rosner & Glynn (2009, 2011) 将这一思路扩展到聚类数据,提出了基于聚类 Wilcoxon 秩和检验的样本量计算方法。然而,本文明确指出这些方法存在两个关键缺陷:其一,它们假设连续结局无结(no ties),这在实践中几乎不可能;其二,当簇大小不均时,聚类 Wilcoxon 检验表现不佳(本文模拟中可见,见第三节)。
- 当前 frontier:基于模型的稳健方法。近年来,Cumulative Probability Model (CPM) 被证明是分析连续结局的一种稳健且秩等变的方法(Liu et al., 2017)。该方法将连续结局视为"每个观测值都是唯一类别"的序数数据,从而绕开了变换选择和分布假设问题。Tian et al. (2022) 进一步将 CPM 扩展至聚类数据,为本文提供了分析层面的基础。本文的位置正是将 CPM 的稳健性与 Whitehead 公式的简洁性结合,并利用秩内相关系数(rank ICC)这一新工具,构建一个统一的样本量计算框架。
子线索聚类¶
- 序数结局的样本量计算:以 Whitehead (1993) 为核心,包括后续对精确检验、不同检验统计量的修正(如 Lachin, 2005)。这条线索的特点是公式简洁,但需要预先指定类别比例。
- 连续结局的非参数样本量计算:以 Noether (1987)、Rosner & Glynn (2009, 2011) 为代表,基于 Wilcoxon 检验。这条线索的优点是无需分布假设,但数学上复杂,且对聚类数据的处理不稳健。
- 聚类数据的效应量度量:本文引用了 Tu et al. (2023, 2024) 关于秩内相关系数(rank ICC)的工作。这是将传统 ICC 推广到秩/序数尺度上的新度量,是本文设计效应(design effect)公式的关键组成部分。这条线索是最近的前沿,为聚类偏态数据的相关性度量提供了非参数工具。
这个方向在追问的核心问题¶
- 如何指定效应量? 在正态假设下,效应量是均值差或标准化均值差。在非参数框架下,自然的选择是概率指数 θ = P(X<Y) + P(X=Y)/2 或与之等价的优势比(OR)。本文采用后者,并提供了从 θ 到 OR 的转换关系(基于 De Neve et al., 2019),使得临床医生可以用更直观的"某阈值以上比例"来指定效应。
- 如何处理聚类数据的相关性? 传统方法用 ICC 来度量组内相关性,但 ICC 对偏态数据不稳定。本文用 rank ICC 替代,并证明其与 Whitehead 公式结合后,设计效应依然可以写成 1 + (k-1) × rank ICC 的简洁形式。
- 如何统一连续与序数结局? 本文的核心论点:连续结局是序数结局的极限情况。因此,一个基于序数模型的公式(Whitehead)可以自然推广到连续结局,无需任何变换。这回答了"为什么需要两个不同的公式"的问题。
⚠️ 作者的 framing(这是作者的说法)¶
作者将缺口 frame 为:现有方法要么(a)针对连续结局需要变换或强分布假设(t检验),要么(b)针对聚类数据复杂且不稳健(Rosner & Glynn 的聚类 Wilcoxon 方法)。因此,本文的贡献是提供一个"统一、简单"的替代方案,该方案对结局分布假设极弱,且能自然处理聚类数据。被淡化的竞争路线:作者在讨论部分承认,他们的方法假设了比例优势(PO)模型。虽然 CPM 对 PO 假设的违反有一定稳健性,但这是一个模型假设。此外,对于调整协变量的设计,本文的方法(基于未调整的分析)可能过于保守或不够精确,作者将此列为局限性。值得注意的缺失:引言中提到了调整协变量可以增加功效,但本文的公式并未涵盖协变量调整的情形,也未讨论如何将协变量信息纳入设计效应。
张力¶
未见被引工作之间有明显的、在相同条件下得出相反结论的对立。主要的张力在于不同方法的前提假设不同:Whitehead 公式需要指定类别比例,Rosner & Glynn 需要无结和位置偏移假设,而本文的方法需要指定 OR 和 rank ICC。这些是不同假设下的互补方法,而非互相矛盾。
二、最核心、最简单的例子 / 数学问题¶
第一步:符号、模型、可观测数据¶
在进入论文细节前,先建立一套贯穿始终的记号。
- 结局变量:设 \(Z\) 为结局变量,可以是连续的、序数的或混合的。在序数框架下,\(Z\) 有 \(L\) 个类别,记为 \(1, \dots, L\)。
- 分组指示:\(G \in \{0, 1\}\) 表示分组(0=对照,1=处理)。
- 概率指数(Estimand):\(\theta = P(X < Y) + \frac{1}{2}P(X = Y)\),其中 \(X\) 和 \(Y\) 分别是来自对照和处理组的随机结局。这是 Wilcoxon 检验所估计的参数,也是本文所有计算的出发点。当 \(Z\) 连续时,\(P(X=Y)=0\)。
- 优势比(效应量):\(\psi = \exp(\delta)\),其中 \(\delta\) 是 PO 模型 \(\text{logit}\{P(Z \le z | G)\} = \eta(z) + \delta G\) 中的对数优势比。关键桥梁:本文使用 De Neve et al. (2019) 的结论,即 \(\theta\) 和 \(\delta\) 之间存在一一对应关系:\(\theta = \frac{\exp(\delta)[\exp(\delta) - \delta - 1]}{(\exp(\delta) - 1)^2}\)。这意味着,研究者可以直观地指定 \(\theta\)(例如,"处理组有 60% 的概率比对照组得分更高"),然后通过此公式转换为 \(\delta\) 用于样本量计算。
- 类别比例:\(\pi_{0l} = P(Z = l | G=0)\) 和 \(\pi_{1l} = P(Z = l | G=1)\) 分别是两组中第 \(l\) 类的期望比例。定义 \(\bar{\pi}_l = (\pi_{0l} + \pi_{1l})/2\) 为合并比例。
- 聚类结构:对于聚类 RCT,设共有 \(m\) 个簇(如诊所),每个簇有 \(k\) 个个体。簇大小可以不等,但公式推导假设相等。
- 秩内相关系数(rank ICC):\(\gamma_I = \text{corr}\{F^*(X_{ij}), F^*(X_{ij'})\}\),其中 \(F^*(x) = \{F(x) + F(x-)\}/2\) 是分布函数的"中点"版本(mid-rank 变换),\(X_{ij}\) 和 \(X_{ij'}\) 是同一簇内两个不同个体的结局。\(\gamma_I\) 度量的是秩变换后的组内相关性,对偏态和异常值稳健,且适用于序数数据。
- 可观测数据:在设计阶段,研究者无法观测到任何结局数据。他们能观测到(或从文献中获取)的是:
- 对结局分布的先验猜测:对于序数结局,是各类别比例 \(\pi_{0l}, \pi_{1l}\);对于连续结局,是无需指定分布,但需要指定效应量 \(\theta\) 或 \(\delta\)。
- 对聚类结构的先验猜测:簇大小 \(k\) 和秩内相关系数 \(\gamma_I\)。
- 设计参数:显著性水平 \(\alpha\)、功效 \(1-\beta\)、分配比 \(A\)。
第二步:最小内核¶
本文的核心数学问题可以归结为:如何计算一个检验统计量的方差,并据此反解样本量?
最小内核(独立数据,连续结局):
- 检验统计量:考虑 Wilcoxon 秩和检验。其标准化统计量近似服从标准正态分布。
- 方差分解:Whitehead (1993) 的关键洞察是,在 PO 模型下,得分检验统计量的方差可以近似表达为类别比例的函数。对于连续结局(\(L = n\),每个观测值一个类别),这个方差表达式在取极限后变得极其简单。
- 核心公式推导:对于独立数据,Whitehead 的公式 (1) 为:
\[n_{IR} = \frac{3(A+1)^2 (Z_{1-\alpha/2} + Z_{1-\beta})^2}{\delta^2 A \left(1 - \sum_{l=1}^L \bar{\pi}_l^3\right)}\]其中 \(Z\) 是标准正态分位数。最小内核的妙处在于:当结局是连续且无结时,\(\bar{\pi}_l = 1/n_{IR}\),因此 \(\sum_{l=1}^L \bar{\pi}_l^3 = n_{IR} \times (1/n_{IR})^3 = 1/n_{IR}^2\)。代入公式 (1) 并解关于 \(n_{IR}\) 的方程,就得到公式 (2):\[n_{IR} = \sqrt{1 + S^2} + S, \quad \text{其中 } S = \frac{3(A+1)^2 (Z_{1-\alpha/2} + Z_{1-\beta})^2}{2A\delta^2}\]这个推导过程就是整篇论文的"最小内核":它展示了如何从一个看似复杂的序数模型公式,通过"连续结局是序数极限"这一观察,得到一个闭式解。这个解只依赖于效应量 \(\delta\)(或 \(\theta\)),完全不依赖于结局的分布形状。
最小内核(聚类数据):
- 设计效应:对于聚类数据,传统方法是计算设计效应 \(D_{eff} = 1 + \rho_I(k-1)\),其中 \(\rho_I\) 是 ICC,然后将独立数据的样本量乘以 \(D_{eff}\)。
- 本文的推广:本文的核心贡献在于证明,对于秩检验,这个设计效应依然成立,只需将 \(\rho_I\) 替换为秩内相关系数 \(\gamma_I\)。即,聚类 RCT 的总样本量为:
\[n = n_{IR} \times \{1 + \gamma_I(k-1)\}\]其中 \(n_{IR}\) 由公式 (2)(连续)或公式 (1)(序数)给出。论文在附录 C 中给出了这个近似成立的解析论证(在 \(\theta = 1/2\) 且簇数远大于簇大小的条件下),并通过模拟验证了其在更广范围内的有效性。
一句话总结最小内核:本文在数学上做的事情是——证明了 Whitehead 的序数结局样本量公式在连续结局下有一个闭式解,并证明了该公式的方差项在聚类数据下可以简单地乘以一个基于秩 ICC 的设计效应因子。这使得样本量计算从"需要指定分布 + 变换 + 复杂模拟"简化为"只需要指定一个优势比和一个秩相关系数"。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:为结局是偏态连续、序数或混合类型的个体或聚类随机对照试验,提供统一、简单的样本量计算公式。
- 核心工具/方法:利用累积概率模型(CPM)作为连续结局的稳健分析框架,将 Whitehead (1993) 的序数结局样本量公式推广至连续结局,并引入秩内相关系数(rank ICC)构建设计效应,将独立样本量公式扩展到聚类 RCT。
- 主要结论:提出的公式(公式 2 和 6)在模拟中能达到目标功效,与基于 t 检验的经典方法在正态数据下表现相近,但在偏态数据下更稳健;与 Rosner & Glynn 的聚类 Wilcoxon 方法相比,在簇大小不等时表现更好。
关键设定与假设¶
- 分析模型:假设最终分析将使用未调整的 PO 模型(或等价的 Wilcoxon 检验)。这是一个关键假设,意味着样本量计算不考虑协变量调整。作者在讨论中承认,若计划调整协变量,本公式可能高估所需样本量。
- 效应量度量:效应量以对数优势比 \(\delta\) 指定。对于连续结局,这等价于指定概率指数 \(\theta\)。作者提供了从 \(\theta\) 到 \(\delta\) 的转换公式,方便研究者从"处理组优于对照组的概率"这一直观概念出发。
- 聚类相关性:聚类效应完全通过秩内相关系数 \(\gamma_I\) 捕捉。假设 \(\gamma_I\) 在两组间相同,且不随簇大小变化。设计效应公式 \(1 + \gamma_I(k-1)\) 假设簇大小相等;对于不等簇大小,作者建议使用平均簇大小,但模拟显示在差异不大时依然稳健。
- 渐近近似:公式基于大样本正态近似,要求每个组的簇数足够多(模拟中最小为 10)。对于簇数很少(如 <10)的试验,建议使用更保守的方法或模拟。
- 与已有文献的比较:相比 Rosner & Glynn (2011) 的方法,本文的公式不要求连续结局无结,且不要求簇大小相等。相比基于 t 检验的经典方法,本文不要求指定变换或分布。
主要结果¶
- 模拟设计:作者模拟了多种分布(对数正态、指数、均匀、序数、计数)、多种效应量(\(\delta\) 从 0.5 到 1.5)、多种秩 ICC(0 到 0.3)和多种簇大小(5 和 50)的场景。
- 核心模拟结果:
- 功效准确性:使用公式 (2) 和 (6) 计算的样本量,在模拟中达到的实际功效接近目标值 0.9(图 1 和 2)。在偏态数据下,基于 t 检验的公式(假设正态或对数正态)会低估或高估样本量,而本文方法表现稳定。
- 与 Rosner & Glynn 的比较:在簇大小相等时,两种方法功效相近。但当簇大小不等时(如一半簇大小为 15,一半为 25),Rosner & Glynn 方法的实际功效显著低于目标值,而本文方法依然稳健(图 3)。作者将此归因于聚类 Wilcoxon 检验在簇大小不等时的方差估计问题。
- 序数结局:对于 3、5、10 个类别的序数结局,公式 (5) 计算的样本量能达到目标功效(图 4)。当类别数很少(如 3 类)时,公式会略微高估样本量(实际功效约 0.95),这与 Whitehead 原始公式的已知行为一致。
- 真实数据例子:
- 个体 RCT(他汀类药物与炎症标志物):展示了如何从文献中提取 hsCRP 的分布信息(如超过某阈值的比例),计算 OR,然后用公式 (2) 计算样本量。说明了该方法在设计阶段仅需粗略分布信息的优势。
- 聚类 RCT(HIV 治疗依从性):使用 HoPS+ 研究的公开数据估计秩 ICC(0.074),然后结合 OR 用公式 (6) 计算所需诊所数。展示了该方法在聚类数据中的应用流程。
- 非劣效性聚类 RCT(儿童癫痫):展示了如何将公式 (5) 应用于非劣效性设计,并处理计数结局(癫痫发作次数)。说明了该方法对"不规则分布"的计数数据的适用性。
🔎 结论是否比证明窄¶
- 明确证明的:公式 (2) 和 (6) 的推导在附录中给出,模拟验证了其在多种分布下的功效准确性。设计效应 \(1 + \gamma_I(k-1)\) 的近似在 \(\theta = 1/2\) 条件下有解析论证(附录 C)。
- 泛化声称但未严格证明的:
- \(\theta \neq 1/2\) 时的设计效应:附录 C 的解析论证仅在 \(\theta = 1/2\)(原假设)下成立。作者通过模拟表明在备择假设下近似依然良好,但未给出严格的解析证明。
- 不等簇大小的稳健性:模拟显示在簇大小差异不大时公式稳健,但未给出理论界限。作者在讨论中承认,对于极端的簇大小不均,可能需要更精细的调整。
- 协变量调整:作者明确说明公式针对未调整分析,并引用文献指出调整协变量通常会增加功效,因此本公式的样本量是保守的。但未量化这种保守性。
- 值得注意的表述:作者在讨论中写道"our calculations assume equal cluster sizes",但模拟中已包含不等簇大小的场景,并显示"remain applicable"(适用)。这暗示结论的适用范围比标题声称的"简单"要更广,但作者对此的表述是审慎的。
四、开放问题¶
- 协变量调整下的样本量:本文公式针对未调整分析。若计划使用调整后的 PO 模型(如 CPM 中加入基线协变量),样本量应如何修正?作者引用文献指出调整可增加功效,但未提供具体的修正公式。这是一个直接且实用的后续问题。
- 簇大小高度不均的修正:模拟显示在簇大小差异不大时公式稳健,但当簇大小差异极大(如变异系数 > 0.5)时,设计效应 \(1 + \gamma_I(k-1)\) 可能低估所需样本量。是否存在一个基于簇大小分布(如变异系数)的简单修正因子?
- 秩 ICC 的先验估计:本文假设研究者能合理估计 \(\gamma_I\),但实践中这可能比估计传统 ICC 更难。如何从已有文献或小规模预试验中稳健地估计 \(\gamma_I\)?其估计误差对最终样本量的影响有多大?
- 非比例优势假设的稳健性:本文公式基于 PO 模型。当 PO 假设严重违反时(例如,处理效应在不同分位数上方向相反),基于 OR 的样本量计算是否仍然有效?是否可以用更一般的非参数模型(如非比例优势模型)推导出类似的简单公式?
- 与自适应设计的结合:本文的公式是固定设计下的。在样本量重估(SSR)设计中,能否利用中期数据估计 \(\gamma_I\) 并调整最终样本量?这需要理解 \(\gamma_I\) 的估计量在中期分析时的分布。
顺带提醒:要确认上述哪一条是"真 gap"而非"已知但未解决",建议去读近 5 年发表在 Statistics in Medicine、Clinical Trials 和 Biometrics 上关于"sample size for ordinal outcomes"或"cluster randomized trials with skewed data"的论文引言——如果多篇引言都指向同一个未解决问题,那大概率是共识性的真 gap;如果各说各话,则可能只是本文的局部局限。
Maintained by 陈星宇 · Homepage · Source on GitHub