生存分析8-非匀速入组

       生存分析临床试验设计中通常假设匀速入组,即入组符合均匀分布,并基于此计算样本量。
       最近看到几个非匀速入组的项目:
       - 项目1仅说明了假设非匀速入组,但是未说明具体参数。入组时长为20个月,每个受试者每3个月进行一次随访至死亡、进展及试验关闭等。 - 项目2临床试验预计入组时间越往后入组速度将会更快,假设筛选总时长为A,受试者入组的时间点为x,则在时间点x入组的受试者占总受试者的比例为(x/A)^2。
       假设筛选时长为26,用EXCEL大致对比了匀速入组与1中非匀速入组随入组时长入组比例及速率的变化情况。

       查了一下各个软件的样本量计算,匀速入组均基于均匀分布U(a, b),概率密度函数为f(x)=1/(b-a)。非匀速入组的设置,都基于截断指数分布(truncated exponential distribution),没有其他分布的设置选项。但在一篇文献中提到了上述项目2中的入组分布。
       截断指数分布在指数分布的基础上进行了截断处理,截断点为R。
       生存分析里R为筛选时长-Accrual time,z为入组时间。
       - 概率密度函数为
              g(z)=\frac{γe^{-γz}}{1-e^{-γR}}, 0≤z≤R, γ≠0
       - 累积概率密度函数为
              G(z)=\frac{1-e^{-γz}}{1-e^{-γR}}, 0≤z≤R, γ≠0
       其中γ为未知参数,影响着分布的形状。不同的参数对应不同入组分布的形状。
              当γ>0时,入组分布是凸形的(快于均匀分布)。
              当γ<0时,入组分布是凹形的(慢于均匀分布)。
              当γ=0时,为均匀分布,即g(z)=1/R

  • SAS
    ACCRUAL=UNIFORM  |  EXP(PARM=λ0)

           其中Uniform指均匀分布,EXP指truncated exponential distribution,λ_0为该分布的参数。
           SAS中要求γ_0≥-10 and γ_0≠0,γ=γ_0/T_a,γ为截断指数分布的γ参数,T_a为筛选时间。

  • PASS
    Accrual Pattern=Uniform or Equal | Non-Uniform (Spreadsheet Entry)

           PASS中不直接输入γ参数,通过输入入组50%(或其他比例)受试者对应需要的筛选时长z来计算γ。软件会使用迭代搜索,找到对应的γ值,并带入计算。
           已知总筛选时长R,G(t)=50%(即筛选50%的受试者),z∈[0,R]且z值已给定,代入公式G(z)=\frac{1-e^{-γz}}{1-e^{-γR}},,相应能算出γ。

  • STATA

           当已有参数γ时,可以在ashape()输入γ参数。如果γ未知,则在aprob()中输入预计入组的受试者比例G^*(t)及其对应需要的筛选时间atime()=t*,通过G(t)累计概率密度函数估算为γ,与PASS类似。
           Stata help中给出了一个例子,入组期3年,随访期2年,γ=shape=-6。如下图所示,70%的受试者在2.8年~3年之间入组完成,前面2.8年只入组了整个试验约30%的受试者。

   程序和结果如下:
    . power exponential 0.3 0.2, power(0.9) onesided aperiod(3) fperiod(2) ashape(-6)
      note: input parameters are hazard rates.
      Estimated sample sizes for two-sample comparison of survivor functions
      Exponential test, hazard difference, conditional
      H0: h2 = h1 versus Ha: h2 < h1
      Study parameters:
       ... ...
      Accrual and follow-up information:
      duration = 5.0000
      follow-up = 2.0000
      accrual = 3.0000 (exponential)
      accrual(%) = 50.00 (by time t*)
      t* = 2.8845 (96.15% of accrual)
      Survival information:
      ... ...
     Estimated sample sizes:
       N = 516
       N per group = 258
  • R nSurvival

      例子:

      nSurvival(lambda1=1/12,lambda2=1/24,Ts=24,Tr=12,ratio=1,alpha=0.025,beta=0.1,sided=1,approx=FALSE,type='rr',entry="expo",gamma=-0.1)
  • gsDesign

    也是通过输入筛选比例R及对应的筛选时长gamma设置非匀速入组。
          gamma: a scalar, vector or matrix of rates of entry by time period (rows) and strata (columns); if entered as a scalar, rate is constant across strata and time periods; if entered as a vector, rates are constant across strata.
          R: a scalar or vector of durations of time periods for recruitment rates specified in rows of gamma. Length is the same as number of rows in gamma. Note that when variable enrollment duration is specified (input T=NULL), the final enrollment period is extended as long as needed.

          假设试验总时长为48个月(T),最短随访期为18个月(minfup),即筛选期为30个月。假设入组速度在6个月之后稳定,前2个月入组总例数的25%,2~4个月入组总例数的50%,4-6个月入组75%。

R <- c(2,2,2,6)
gamma <- c(0.25,0.5,0.75,1)
T<- 48
minfup <-18

Expected events (total,H1):445.8257 
Expected sample size (total): 627.2417
Accrual rates:
   stratum 1
   0-2 5.8078
   2-4 11.6156
   4-6 17.4234
   6-30 23.2312
  • 其他分布

          文献中的Increasing分布即非匀速入组项目2中(x/A)^2的分布,但没有现成的软件可以设置,需要另外计算。用匀速入组算的样本量比实际需要的样本量少了约几十例。
    文献:Sample size calculation for the proportional hazards cure model

文献参考:

  • Sample size calculation for the proportional hazards cure model
  • Evaluation of Sample Size and Power for Analyses of Survival with Allowance for Nonuniform Patient Entry, Losses to Follow-Up, Noncompliance, and Stratification.
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,128评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,316评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,737评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,283评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,384评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,458评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,467评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,251评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,688评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,980评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,155评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,818评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,492评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,142评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,382评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,020评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,044评论 2 352

推荐阅读更多精彩内容

  • Cox回归模型为半参数模型,它不对基线风险函数进行估计。如果生存资料确实符合某一特定分布,采用实际分布能够更准确的...
    RingTing阅读 747评论 0 0
  • 概率分布用以表达随机变量取值的概率规律,根据随机变量所属类型的不同,概率分布取不同的表现形式,主要分为离散变量概率...
    饼人阅读 8,248评论 0 1
  •   假设某试验两组分别为标准治疗组(Standard treatment)及新疗法组(New treatment)...
    RingTing阅读 1,547评论 0 1
  • 参考:https://support.minitab.com/zh-cn/minitab/18/help-and-...
    Zszen阅读 3,776评论 0 51
  • 该部分和之前001的内容部分有重合。 该部分分为两大块:概率分布的基本概念,概率分布的类型(离散变量概率分布和连续...
    chenht2019阅读 1,664评论 1 0