TIPOLOGIA DELLE VARIABILI SPERIMENTALI: Variabili nominali Variabili quantali Variabili semi-quantitative Variabili quantitative DESCRIZIONE DELL’ESPERIMENTO: Ratti spontaneamente ipertesi (SHR) trattati per via orale con losartan in metilcellulosa 1% (20 mg/kg/die per 7gg) SENSIBILITA’ E SPECIFICITA’ DI UN TEST: SENSIBILITA’ : probabilità di identificare correttamente come malato un soggetto realmente malato P {T+|D+}= a/(a+c) Il complemento a 1 è la probabilità di identificare come sano un soggetto realmente malato (falso negativo) Quanto maggiore è la sensibilità di un test………. SENSIBILITA’ E SPECIFICITA’ DI UN TEST: SPECIFICITA’ : probabilità di identificare correttamente come sano un soggetto realmente sano P {T-|D-}= b/(b+d) Il complemento a 1 è la probabilità di identificare come malato un soggetto realmente sano (falso positivo) Quanto maggiore è la specificità di un test………. Unknown Truth and the Data Truth Data Decide H0 “fail to reject H0” Decide HA “reject H0” H0 Correct HA Correct 1- α β True Negative False Negative α False Positive 1- β True Positive α = significance level 1- β = power Errore di I Tipo • α = P(H0 rigettata | H0 vera) • Probabilità di rigettare l’ipotesi nulla mentre l’ipotesi nulla è vera • Probabilità di “falsi positivi” • Probabilità di rigettare l’ipotesi che le medie dei due gruppi siano uguali quando in realtà lo sono P-value • È il più grande valore di α che porta a rigettare H0 • Posto che H0 sia vera, è la probabilità di ottenere un risultato altrettanto o più estremo di quello osservato per il campione in esame per il solo effetto del caso Errore di II Tipo (= 1-Potenza) • β = P(H0 non rigettata| H1 vera ) • Probabilità di “falsi negativi” • Potenza = 1-β = P(H0 rigettata| H1 vera ) • In genere si richiede una potenza elevata per cui l’errore di II tipo deve essere basso Sample Size Example • Study effect of new sleep aid • 1 sample test • Baseline to sleep time after taking the medication for one week • Two-sided test, α = 0.05, power = 90% • Difference = 1 (4 hours of sleep to 5) • Standard deviation = 2 hr Sleep Aid Example • • • • n 1 sample test 2-sided test, α = 0.05, 1-β = 90% σ = 2hr (standard deviation) δ = 1 hr (difference of interest) ( Z1 / 2 Z1 ) 2 2 2 (1.960 1.282) 2 22 42.04 43 2 1 Sample Size: Change Effect or Difference • Change difference of interest from 1hr to 2 hr • n goes from 43 to 11 (1.960 1.282) 2 n 10.51 11 2 2 2 2 Sample Size: Change Power • Change power from 90% to 80% • n goes from 11 to 8 • (Small sample: start thinking about using the t distribution) (1.960 0.841) 2 n 7.85 8 2 2 2 2 Sample Size: Change Standard Deviation • Change the standard deviation from 2 to 3 • n goes from 8 to 18 (1.960 0.841) 3 n 17.65 18 2 2 2 2 Sleep Aid Example: 2 Sample • Original design (2-sided test, α = 0.05, 1-β = 90%, σ = 2hr, δ = 1 hr) • Two sample randomized parallel design • Needed 43 in the one-sample design • In 2-sample need twice that, in each group! • 4 times as many people are needed in this design n 2( Z1 / 2 Z1 ) 2 2 2 2(1.960 1.282) 2 22 84.1 85 170 total! 2 1 Sample Size: Change Effect or Difference • Change difference of interest from 1hr to 2 hr • n goes from 72 to 44 2(1.960 1.282) 2 n 21.02 22 44 total 2 2 2 2 Sample Size: Change Power • Change power from 90% to 80% • n goes from 44 to 32 2(1.960 0.841)2 22 n 15.69 16 32 total 2 2 Sample Size: Change Standard Deviation • Change the standard deviation from 2 to 3 • n goes from 32 to 72 2(1.960 0.841) 2 32 n 35.31 36 72 total 2 2 Conclusion • Changes in the detectable difference have HUGE impacts on sample size – 20 point difference → 25 patients/group – 10 point difference → 100 patients/group – 5 point difference → 400 patients/group • Changes in α, β, σ, number of samples, if it is a 1- or 2-sided test can all have a large impact on your sample size calculation 2N 4( Z1 / 2 Z1 ) 2 2 2