閾値奏効率・期待奏効率からのサンプルサイズの計算

単一群（single-arm）の第Ⅱ相試験におけるサンプルサイズの計算を行います。

閾値奏効率

この指標は、実用上重要であるとみなされる最小の奏効率を指します。 すなわち、新しい治療法や薬が「有効である」と考えられる最低限必要な奏効率であり、これより低ければ効果がないと判断する値です。

期待奏効率

実際に実験や試験から期待される奏効率です。 この値は、既存の予備データや過去の研究から導き出された値であり、このくらい効果が出てほしいという有効性を期待する値です。
閾値奏効率よりも大きな値でなくてはなりません。

• サンプルサイズは、実験の結果が有意であることを確認するために必要な被験者数や試行回数を示します。
• 閾値奏効率と期待奏効率の差が大きい場合、必要なサンプルサイズは小さくなります。逆に、差が小さい場合、その差を検出するためにはより多くのサンプルが必要となります。
  • 差が大きいほど、効果の有無がはっきりと分かりやすいため、少ない人数でも判断できます。
  • 差が小さければ偶然による変動と真の効果を区別するために、より多くのデータが必要になります。

Simonの2段階デザイン

第Ⅱ相試験にて、Simonの2段階デザインが用いらることがあります。 これは、試験を2つのステージに分けて行うことで、早期に無効な治療法を中止し、有効な治療法を効率的に見出すことを目指すデザインです。

1. 第1ステージ: まず少数の患者さんで試験を行い、効果を中間的に評価します。
2. 第2ステージ: 第1ステージの結果が思わしくない場合 (予め設定した基準を満たさない場合)、試験を早期に中止します。有望な場合は、第2ステージに進み、追加の患者さんで試験を継続し、最終的な効果を評価します。

• Simonの2段階デザインを用いることで、無効な治療法を早期に見切り、不必要な患者さんへの治療を減らすことが期待できます。また、全体として必要な患者さんの数を減らし、試験を効率的に行うことが可能になります。
• Reactive stat では、クラウド R で計算することができます。
• この計算では、最大サンプルサイズをあらかじめ指定しておく必要があります。これは、試験の実施可能性や倫理的な制約、予算など、統計的な最適性以外の要因によって決定される値です。

まず簡単な式でサンプルサイズの目安を計算し、次に目標とする誤りの確率（実際は効果がないのに効果ありと判断する確率、効果があるのに効果なしと判断する確率）を考慮します。
そして、誤りの確率が目標値以下になる最小のサンプルサイズを、二項分布を用いて探索的に決定します。