ジョン・ラチン(2020)『医薬データのための統計解析』 問題5.11 解答例

公開日:

【2022年11月3週】 【A000】生物統計学 【A061】マッチング研究

この記事をシェアする
  • B!
サムネイル画像

本稿は、ジョン・ラチン(2020)『医薬データのための統計解析』の「問題5.11」の自作解答例です。マクネマー検定に必要なサンプルサイズと検出力に関する問題です。

なお、閲覧にあたっては、以下の点にご注意ください。

  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。
  • 曝露(発症)状況を表す右下の添え字は、「0」である場合(n0,π0 など)や「2」である場合(n2,π2 など)がありますが、どちらも「非曝露群(コントロール群)」を表しています。
  • 漸近的な性質を用いる際は、①中心極限定理が成り立つ、②漸近分散を推定する際に、母数をその一致推定量で置き換えることができるということが成り立つと仮定しています。
  • デルタ法を用いる際、剰余項(2次の項)が漸近的に無視できる(0に確率収束する)と仮定しています。
  • 上述の参考書では、標準正規分布の上側 100α% 点を Z1α と表記していますが、本サイトでは、Zα としています。そのため、参考書に載っている式の形式と異なる部分があります。
  • 著作権の関係上、問題文は、掲載しておりません。上述の参考書をお持ちの方は、お手元にご用意してご覧ください。
  • この解答例は、筆者が自作したものであり、公式なものではありません。あくまでも参考としてご覧いただければ幸いです。

問5.11.1:検出力の公式

まず、対称性に関する仮説を検定するための検定統計量は、各セルの度数が四項分布に従うという仮定のもとで、標本比率の差 T=p12p21 である。 帰無仮説と対立仮説における漸近分布は、 T0N(0,π12+π21N)T1N[π12π21,(π12+π21)(π12π21)2N] 臨床的有意差・有意水準・検出力の関係式より、 (1)|π12π21|=Zαπ12+π21NZ1β(π12+π21)(π12π21)2N(1) を検出力について解くと、 Z1β=Zαπ12+π21N|π12π21|(π12+π21)(π12π21)2

問5.11.2:サンプルサイズの公式

(1) を総サンプルサイズ N について解くと、 N|π12π21|=Zαπ12+π21Z1β(π12+π21)(π12π21)2N=Zαπ12+π21Z1β(π12+π21)(π12π21)2|π12π21|N=[Zαπ12+π21Z1β(π12+π21)(π12π21)2|π12π21|]2 条件付きオッズ比 φc=π12π21π12=φcπ21 を用いると、 N=[Zαφcπ21+π21Z1β(φcπ21+π21)(φcπ21π21)2|φcπ21π21|]2=[Zα(φc+1)π21Z1β(φc+1)π21π212(φc1)2|(φc1)π21|]2

問5.11.3:サンプルサイズと検出力に関する式

まず、応答不一致のセルの度数の総数が固定されており、「発症あり・発症なし」のセル度数が条件付き二項分布に従うという仮定のもとで、対称性に関する仮説を検定するための検定統計量は、標本比率 T=pf である。 帰無仮説と対立仮説における漸近分布は、 T0N(12,14M)T1N[π12π12+π21,π12π21M(π12+π21)2] 臨床的有意差・有意水準・検出力の関係式より、 |π12π12+π2112|=Zα12MZ1βπ12π21(π12+π21)MM|2π12π12π212(π12+π21)|=Zα12Z1βπ12π21(π12+π21)M|π12π212(π12+π21)|=(π12+π21)Zα2π12π21Z1β2(π12+π21)M|π12π21|=(π12+π21)Zα2π12π21Z1β ここで、条件付きオッズ比を φc=π12π21 として、両辺を π21 で割ると、 M|π12π21π21π21|=(π12π21+π21π21)Zα2π12π21π21Z1β(2)M|φc1|=(φc+1)Zα2φcZ1β

問5.11.4:検出力の公式

(2) を検出力について解くと、 2φcZ1β=(φc+1)ZαM|φc1|Z1β=(φc+1)ZαM|φc1|2φc(2) を応答不一致のペアの総数について解くと、 M=(φc+1)Zα2φcZ1β|φc1|M=[(φc+1)Zα2φcZ1β|φc1|]2

問5.11.5:2次方程式の導出

与えられた条件から、以下のような関係を導ける。

表1 マッチングを行ったケース・コントロール研究に関する
2×2 分割表(統計モデル)
非発症者
(D¯)
合計
曝露あり
(E)
曝露なし
(E¯)
発症者
(D)
曝露あり
(E)
ϕ11=ωϕ12ϕ21ϕ22 ϕ12 ϕDE
(=π1)
曝露なし
(E¯)
ϕ21=ϕ12φc ϕ22=1ϕDE¯ϕ12 ϕDE¯
(=π0)
合計 ϕD¯E
(=ϕ1)
ϕD¯E¯
(=ϕ0)
1

これにもとづくと、 ϕD¯E=ϕ11+ϕ21ϕD¯E=ωϕ12ϕ21ϕ22+ϕ12φcϕD¯E=ωϕ121ϕD¯Eϕ12ϕ12φc+ϕ12φcϕD¯Eφc(1ϕD¯Eϕ12)=ωϕ12ϕ12+(1ϕD¯Eϕ12)ϕ12ϕD¯Eφc(1ϕD¯E)ϕD¯Eφcϕ12=ωϕ122+(1ϕD¯E)ϕ12ϕ122(ω1)ϕ122+(1ϕD¯E+ϕD¯Eφc)ϕ12ϕD¯Eφc(1ϕD¯E)=0ω1φcϕ122+ϕD¯Eφc+(1ϕD¯E)φcϕ12ϕD¯E(1ϕD¯E)=0

問5.11.6:サンプルサイズの設計公式の適用

サンプルサイズの設計公式に、 Z0.5α=Z0.025=1.96Z1β=Z0.9=1.282φc=1.3π21=0.25 を代入すると、 N=[Zαφcπ21+π21Z1β(φcπ21+π21)(φcπ21π21)2|φcπ21π21|]2=[1.961.80.25+0.25+1.2821.80.25+0.25(1.80.250.25)2|1.80.250.25|]2=179.69180

問5.11.7:応答不一致のペアの総数の期待値

与えられた条件のもと、応答不一致のペアが得られる確率は、 π12+π21=1.80.25+0.25=0.70 得られたサンプルサイズのもとで、 MB(180,0.70) 二項分布の期待値の公式より、 E(M)=1800.70=126

問5.11.8:検出力の公式の適用①

〔1〕検出力の算出
検出力の公式に、 Z0.5α=Z0.025=1.96M=105φc=1.8π21=0.25 を代入すると、 Z1β=(φc+1)ZαM|φc1|2φc=(1.8+1)1.96105|1.81|21.81.010 Z1β=1.010 が標準正規分布の上側何%点にあたるかを調べると、 Z1β=1.010=Z0.8441β=0.844=84.4% 〔2〕オッズ比の算出
x=φc,1φc とおくと、応答不一致ペアの総数と条件付きオッズ比の関係式より、 M|φc1|=(φc+1)Zα2φcZ1βM(x21)=(x2+1)Zα2xZ1βMx2M=Zαx2+Zα2xZ1βMx2Zαx2Zα+2xZ1βM=0(MZα)x2+2Z1βxZαM=0(1051.960)x22.564x(105+1.960)=08.287x22.564x12.207=0 2次方程式の解の公式 x=b±b24ac2a より、 x=2.564±2.5642+48.28712.20728.287x=1.378x=1.069 0x より、 x=φc=1.378φc1.8991.90

問5.11.9:検出力の公式の適用②

〔1〕検出力の算出
検出力の公式に、 Z0.5α=Z0.025=1.96M=90φc=1.8π21=0.25 を代入すると、 Z1β=(1.8+1)1.9690|1.81|21.80.783 Z1β=1.010 が標準正規分布の上側何%点にあたるかを調べると、 Z1β=1.010=Z0.783 1β=0.783 =78.3%

問5.11.10:Schlesselmanの方法の適用

Schlesselmanの2次方程式に、 ϕD¯E=0.2ω=1.5φc=1.3 を代入すると、 ω1φcϕ122+ϕD¯Eφc+(1ϕD¯E)φcϕ12ϕD¯E(1ϕD¯E)=01.511.3ϕ122+0.21.3+(10.2)1.3ϕ120.2(10.2)=00.385ϕ122+0.815ϕ120.16=0 2次方程式の解の公式 x=b±b24ac2a より、 ϕ12=0.815±0.8152+40.3850.1620.385ϕ12=0.181ϕ12=2.298 0ϕ121 より、 ϕ12=0.181 サンプルサイズの設計公式に、 Z0.5α=Z0.025=1.96Z1β=Z0.9=1.282φc=1.3ϕ21=0.1811.3=0.139 を代入すると、 N=[Zαπ12+π21Z1β(π12+π21)(π12π21)2|π12π21|]2=[1.960.181+0.1391.282(0.181+0.139)(0.1810.139)2|0.1810.139|]2=84.2685

参考文献

  • ジョン・ラチン 著, 宮岡 悦良 監訳, 遠藤 輝, 黒沢 健, 下川 朝有, 寒水 孝司 訳. 医薬データのための統計解析. 共立出版, 2020, p.261-262
  • ジョン・ラチン 著, 宮岡 悦良 監訳, 遠藤 輝, 黒沢 健, 下川 朝有, 寒水 孝司 訳. 医薬データのための統計解析. 共立出版, 2020, p.238-242

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ