疫学調査(疫学パッケージ)の標本数計算

• epicalcパッケージのチュートリアル(こちら)の第24章にそれが書かれているのでなぞってみよう
• 4タイプの標本数計算関数
  • (1) Prevalence調査のため
  • (2) ２群の比率の比較(ケース・コントロール、クロス・セクショナル、、コホート、randomized-controlled)
  • (3) ２群の平均値の比較
  • (4) ロットの品質担保のための標本抽出
• (1) Prevalence調査のため

n.for.survey (p, delta = "auto", popsize = NULL, deff = 1, alpha = 0.05) 

• • p:prevalence の期待値・予想値
  • delta:「このくらいはずれてもいいよ」という幅(片側の)
  • popsize: 母集団サイズ
  • deff: 母集団全体から完全にランダムに取るなら1、幾つかの地域・群に分けて標本を地域・群から集中的に取ることはクラスターサンプリングと言うが、クラスターサンプリングの場合には、クラスターごとでの偏りが入る(population structureのようなもの)ので、その要素を数値で与える(1より大きい値を与える)
  • alpha: Type 1 エラーの値
  • prevalenceだけを渡すと、デフォルトのdeltaの値などが変わるので、連続したプロットにはならないけれども…

N.survey<-n.for.survey(p=seq(from=0.01,to=0.99,by=0.01))
plot(N.survey$table$p,N.survey$table$n)

• (2) ２群の比率の比較(ケース・コントロール、クロス・セクショナル、、コホート、randomized-controlled)
  • これは、ふつうの２群の比率の比較

n.for.2p(p1,p2,alpha=0.05,power=0.8,ratio=1)

• • p1,p2: ２群の予想割合
  • alpha: タイプ１エラー
  • power: タイプ２エラー
  • ratio: ２群の標本数比率
  • コントロールの割合(p2)がわかっていて、RRを指定したいときには、p2とRRからp1を計算して指定する
  • クロス・セクショナルでは２群の標本数の比がかなり大きくなるのでratioをきちんと与えること
• (3) ２群の平均値の比較

n.for.2means(mu1, mu2, sd1, sd2, ratio = 1, alpha = 0.05, power = 0.8) 

• • m1,m2: ２群の平均
  • sd1,sd2: ２群のばらつきを標準偏差で
  • ratio: ２群の標本数の比
  • alpha,power: タイプ１、タイプ２エラー
• (4) ロットの品質担保のための標本抽出」

n.for.lqas(p0, q = 0, N = 10000, alpha = 0.05, exact = FALSE)

• • p0: 予想された「悪いやつ」の割合がこの値を越えたら、そのロットは「ダメロット」とみなすという基準値
  • q: 「悪いやつ」の個数がこの値を越えたら、そのロットは「ダメロット」とみなすという基準値
  • N: ロットサイズ
  • alpha: タイプ１エラー
  • exact: 正確確率で計算するか、そうでないか
• その他

# Cluster-controlled trialsの場合に以下の２つ
n.for.cluster.2means()
n.for.cluster.2p()
# ２群に違いがないか、あるならどれくらいかを検定するため
# したがって引数にsig.diffという値の指定が必要
n.for.equi.2p()
# 向きに意味が入る
n.for.noninferior.2p()

• 標本数を計算する代わりに、標本数は与えてやって、そのときのパワーを計算するなら、

power.for.2p()
power.for 2means()

疫学のためのR

• Epicalcパッケージとその大部な文書(こちら)
• Epiパッケージ
  • そのチュートリアル
  • 時系列で扱うことも含めて、「簡便に使えるように」「処理をブラックボックス化して」という哲学でできている感じのパッケージ
  • 時間情報を取り込んだ上での、フィッティングとかは、回帰の基本的な関数gml()などを内部関数として使っているようだ
  • 時間データの取扱い
    • エントリー時刻
    • 出生時刻
    • エンドポイント時刻
    • ドロップアウト
  • 状態推移プロットとか面白い