样本量计算(Epiinfo2002流行病学分析软件的应用讲座补充资料)

应用Epi info2002流行病学分析软件
进行样本量的计算
（“Epi info2002流行病学分析软件应用讲座”补充资料，主讲人：李海闽） （一）关于Epi info2002计算样本量涉及的几个概念
1、把握度
又称检验效能（power of test），是用数量描述的事物现象之间如果确定有一个真正的差别存在，能被显著性检验所检出的概率。

数理统计学用β表示II型错误的概率，1-β称为把握度。

做研究设计时，如果要求检出差别显著性的把握度越大，则要求样本含量也越多。

2、置信水平
置信水平（confidence level）是置信度的互补概率。

例如95％置信度，其置信水平为0.05；99％置信度，其置信水平为0.01。

一般情况α取0.05，则置信度为95%（1-α=0.95）。

3假设检验的两类错误
由于假设检验是根据有限的样本信息对总体作推断，不论做出哪一种推断结论，都有可能发生错误。

这就是假设检验的两类错误。

如果实际情况与H0不一致，检验结论为拒绝H0，接受H1, ；或者实际情况与H0一致，检验结论为接受H0；这两种推断结论都是正确的。

如果实际情况与H0一致，仅仅由于抽样的原因，使得统计量的观察值落到拒绝域，拒绝原本正确的H0，导致推断结论错误。

这样的错误称为第I类错误。

如果实际情况与H0不一致，也仅仅是抽样的原因使得统计量的观察值落到接受域,不能拒绝原本错误的H0，则导致了另一种推断错误。

这样的错误称为第II类错误。

表6-3 归纳了假设检验中两种实际情况和不同检验结论的关系。

犯第 I 类错误的概率用α来控制，其大小与检验水准相同。

根据研究者的需要。

常取为0.05 或0.01 等。

当α取为0.05 时，其意义是：如果原假设H0 成立，按照同样的方法在原假设H0 规定的总体中重复抽样，那么在每100 次检验结论中平均可以有5 次拒绝H0 （犯第I类错误）。

犯第II类错误的概率用β来控制。

因为H0 不成立时检验统计量的精确分布往往难以确定，所以在多数情况下准确估计β的数值比较困难。

β的意义是：如果H0 并不成立，即所研究的总体与H0有实质差异（例如μ1≠μ2) ，按照同样的方法在总体中重复抽样，那么在每 100 次检验结论中平均可以有 100 β次接受H0（犯第II类错误）。

从图6-3 可以看出，对于某一具体的检验来说，当样本容量n一定时，α越小β越大；α越大β越小。

在实际应用中，往往通过α去控制β。

在样本量确定时，如果要减小β，就把α取大一些。

更祥细的内容请阅读《卫生统计学（第五版）》第六章，第四节至第五节。

（二）关于Epi info2002软件“工具”计算样本量
1、点击软件“工具”栏，“常用流行病学计算”
图例：打开“常用流行病学计算“
2、选择相应调查设计
用上下左右移动键，移动光标至 样本量和把握度（sample size & power） 并回车，出现下级菜单，分别为人口调查( population survey ) ，队列研究和横断面调查（cohort or cross sectional ）和非匹配的病例对照研究（unmatched
case-control ）移动光标可以进入相应调查设计。

3、人口调查样本量的计算
移动光标至population survey并回车可估算人口调查的样本量，依次填入目标人群数量，实际率和容许与实际率的误差范围，就可按[F4]键计算样本量。

结果中包含不同置信度的样本例数。

例如，某调查项目，目标人群（Size of population from which the sample will be selected）为1000000，研究因素的实际率为（Expected frequency of the factor under study (err toward 50%)）5%，容许与实际率的误差范围（Worst acceptable result）为2%，现需要计算实际需要调查多少人。

计算过程如下图：
图例：定制计算人口调查样本量的参数
在整个过程中，我们都可以通过回车反复修改人口等三个参数，以达到我们的目的。

图例：人口样本量计算结果
按[F4]键计算样本量。

窗口显示结果中包含了人口规模（Population Size）、期望率（Expected Frequency）、容许率（Worst Acceptable）、不同置信度（Confidence level的样本量（Sample Size）。

4、队列研究和横断面样本量的计算
移动光标至 cohort or cross Sectional 并回车可估算队列研究和横断面调查的样本量，依次填入：
1、置信度(Confidence level or 1－α)；
2、把握度（(Power or 1－β)；
3、非暴露与暴露两组的比例（(Number of Unexposed : Number of Exposed)；
4、非暴露组的暴露期望频率（Expected frequency of disease in unexposed group）；
5、RR 值（Rise ratio(RR)or relative risk）；
6、OR 值（Odds ratio(OR)）；
7、暴露组的暴露期望频率（Percent disease among exposed）。

参数5－7只要填入其中1个，系统就会自动计算另外2个。

按回车鍵，再按[F4] 键计
算样本量。

结果中包含不同置信度和把握度的样本例数。

同样的，在整个过程中，我们都可以通过回车反复修改上述几个参数，以达到我们的目的。

例如：用队列研究观察放射线暴露与白血病的关系。

已知一般人群白血病发病率为0.0001 ，有放射线暴露的人白血病发病率为0.001 。

如果研究者将α定为0.05 （双侧检验），β＝0.1，其样本大小计算如下：
1、录入上述参数1－7：
图例：定制计算队例研究或横断面调查的样本量参数
按回车键，按击F4计算样本量：
图例：队例研究样本量计算结果
以上窗口分别显示了：不同的置信度(Conf)、把握度(Powe)、非暴露（Unex）与暴露（Exp）两组的比例、暴露组的暴露期望频率（disease in exposed）、RR 值（Rise ratio）、OR 值（Odds ratio）以及在以上参数水平下各样本量（Sample Size）即：非暴露（Unexp）与暴露（Exposed）组及合计（Total）的样本量。

在整个过程中，我们都可以根据需要，通过反复修改上述参数，按F4重新计算。

Change values for inputs as desired,then press F4 to recalculate 。

5、非匹配的病例对照样本量的计算
移动光标至 unmatched case－control并回车
移动光标至 cohort or cross Sectional 并回车可估算队列研究和横断面调查的样本量，依次填入：
1、置信度(Confidence level or 1－α)；
2、把握度（(Power or 1－β)；
3、非病例（对照）组与病例两组的比例（#NOT ILL/#ILL)；
4、非病例（对照）组的期望发病率（或期望暴露率）（Expected frequency of exposure in NOT ILL group）；
5、OR 值（Odds ratio(OR)）；
6、病例组的的期望发病率（或期望暴露率）（Percent exposure among ILL group）。

参数5－6只要填入其中1个，系统就会自动计算另外1个。

按回车鍵，再按[F4] 键计算样本量。

同样，在整个过程中，我们都可以通过回车反复修改上个参数，以达到我们的目的。

例如：
拟进行一项病例对照研究，研究吸烟与肺癌的关系。

预期吸烟者的相对危险度为 2.0 ，人群吸烟率约为20%，设α＝0.05（双侧，β＝0.10 ，估计样本含量。

1、设置参数1－6
图例：定制计算病例对照研究的样本量参数
按回车键，再按F4键计算样本量：
图例：病例对照研究样本量计算结果
以上窗口分别显示了：不同的置信度(Conf)、把握度(Powe)、非病例或对照（Not ILL）与病例（ILL）两组的比例、病例组的期望发病（暴露）率（Exposure in ILL）、OR 值（Odds Ratio）以及在以上参数水平下各组样本量即：非病例或对照（Not ILL）与病例（ILL）组及合计（Total）的样本量。

同样，在整个过程中，我们都可以根据需要，通过反复修改上述参数，按F4重
新计算。

Change values for inputs as desired,then press F4 to recalculate 。