R EZR でオッズ比の計算に必要なサンプルサイズを計算する方法

オッズ比のサンプルサイズ計算の方法

• オッズ比計算のためのサンプルサイズ計算・検出力計算のための準備
• オッズ比計算のサンプルサイズ計算・検出力計算するための関数は？
• オッズ比計算のサンプルサイズ・検出力を計算してみる
• まとめ
• 参考文献
• EZR公式マニュアル

オッズ比計算のためのサンプルサイズ計算・検出力計算のための準備

EZRにepiR パッケージをインストールする。

Rスクリプト窓にinstall.packages(“epiR”)と書いて実行をクリック。

ダウンロード元を選ぶ。

インストール後の状態。

使うときは事前にlibrary()を実行する。

オッズ比計算のサンプルサイズ計算・検出力計算するための関数は？

epi.sscc()という関数を使う。

設定できる変数は様々あるが、マッチしていない通常のオッズ比の場合、覚えるべきは、

• OR（オッズ比）
• p0（コントロールで曝露している人の割合）
• n（ケースとコントロールの合計のサンプルサイズ）
• power（検出力）
• r（ケースを１としたときのコントロールの数）

の5つ。

epi.sscc(OR, p0, n, power, r = 1, rho.cc = 0, design = 1, sided.test = 2,
nfractional = FALSE, conf.level = 0.95, method = "unmatched", fleiss = FALSE)

オッズ比計算のサンプルサイズ・検出力を計算してみる

マッチしていない通常のデータで、オッズ比を計算するとして、想定オッズ比が1.5、コントロール群の曝露が3割、30％=0.3、検出力80%（慣例）、ケースとコントロールの比が１とすると、合計850人必要と計算される。

上記5つの要素のうち、求めたい要素を NA としておくことがこの関数の仕様である。

> epi.sscc(OR=1.5, p0=0.3, n=NA, power=0.8, r = 1)
$n.total
[1] 850
$n.case
[1] 425
$n.control
[1] 425
$power
[1] 0.8
$OR
[1] 1.5

サンプルサイズが1000例とすると、検出力は86%となる。

> epi.sscc(OR=1.5, p0=0.3, n=1000, power=NA, r = 1)
$n.total
[1] 1000
$n.case
[1] 500
$n.control
[1] 500
$power
[1] 0.8600573
$OR
[1] 1.5

ケースとコントロールの比を１：２とすると、ケースが321例、コントロールが642例の計963例必要と計算される。

ケースは少なくて済むが、全体のサンプルサイズは増える。

> epi.sscc(OR=1.5, p0=0.3, n=NA, power=0.8, r = 2)
$n.total
[1] 963
$n.case
[1] 321
$n.control
[1] 642
$power
[1] 0.8
$OR
[1] 1.5

合計サンプルサイズが1000例として、ケースとコントロールが１：２とすると、検出力は約81%になる。

１：１のときが86%なので、少し下がったが、それでも80％以上。

> epi.sscc(OR=1.5, p0=0.3, n=1000, power=NA, r = 2)
$n.total
[1] 1000
$n.case
[1] 334
$n.control
[1] 666
$power
[1] 0.8149441
$OR
[1] 1.5

まとめ

オッズ比のためのサンプルサイズ・検出力計算は、epiRパッケージのepi.sscc()関数を使う。

EZR で解説したが、R でも実行可能。

参考になれば。

参考文献

Package ‘epiR’

https://cran.r-project.org/web/packages/epiR/epiR.pdf

EZR公式マニュアル