临床预测模型样本量计算(logistics，cox，linear） R实现

近几年，预测模型成为一大研究热点。星辰在pubmed 粗略检索了一下发现，近年来，预测模型研究呈指数增长，仅在2022年就有5908篇论文发表。

预测模型主要是基于横断面研究（诊断模型）或队列研究（预后模型）。在标书撰写中，样本量计算是一个非常重要的部分。

很多同学在报告回归模型所需样本量时候都提到过“一个变量最少需要10个样本”这样的话，英文文献中叫做10 events per variable（EPV）。这种说法确切的表达应该是你估计n个待估参数，就最少需要10*n个样本。但是需要注意的是，如果预测变量有分类变量，转化为哑变量的时候，所估计的待估参数是增多的，比如对于一个3分类变量，可能最少需要20个样本。

"10 EPV"是一个经验性的指导原则，不能绝对适用于所有情况，特别是在特殊的数据分析和建模场景中。在实际应用中，建议根据具体问题和数据特征来决定样本量和预测变量的选择。

Riley et al.2018设计了用于标准计算开发新的多变量预测模型所需的最小样本量的pmsampsize R包，可用于计算具有连续、二元或生存（事件发生时间）结果的模型开发的最小样本量，并提出了一系列样本量应该满足的标准。其目的是最小化过度拟合，并确保预测模型中关键参数的精确估计。

接下来，星辰为大家演示一下Logistic prediction models，Cox prediction models和Linear prediction models的操作：

首先安装一下所用的pmsampsize R包

install.packages("pmsampsize")
library("pmsampsize")

1、Binary outcomes (Logistic prediction models)

pmsampsize(type = "b", rsquared = 0.288, parameters = 24, prevalence = 0.174)

type : 指定要计算样本量的分析类型，“c”指定具有连续结果的预测模型的样本量计算，“b”指定具有二进制结果的预测模型的样本量计算，“s”指定具有生存（事件发生时间）结果的预测模型的样本量计算。

24个候选变量，且从先前的文献中我们了解到某一结局的患病率为0.174 (17.4%)，新模型的 R 方值下限（取自现有预测模型的调整后 Cox-Snell R 方值）为 0.288。

结果得到最小样本量为662，Events per Predictor Parameter (EPP)=4.8，这里的EPP就是经验法则的EPV。

> pmsampsize(type = "b", rsquared = 0.288, parameters = 24, prevalence = 0.174)
NB: Assuming 0.05 acceptable difference in apparent & adjusted R-squared 
NB: Assuming 0.05 margin of error in estimation of intercept 
NB: Events per Predictor Parameter (EPP) assumes prevalence = 0.174  
 
           Samp_size Shrinkage Parameter CS_Rsq Max_Rsq Nag_Rsq  EPP
Criteria 1       623     0.900        24  0.288   0.603   0.477 4.52
Criteria 2       662     0.905        24  0.288   0.603   0.477 4.80
Criteria 3       221     0.905        24  0.288   0.603   0.477 1.60
Final            662     0.905        24  0.288   0.603   0.477 4.80
 
 Minimum sample size required for new model development based on user inputs = 662, 
 with 116 events (assuming an outcome prevalence = 0.174) and an EPP = 4.8 

2、Survial outcomes (Cox prediction models)

pmsampsize(type = "s", rsquared = 0.051, parameters = 30, rate = 0.065,
timepoint = 2, meanfup = 2.07)

30个候选变量，从先前文献中了解到同领域预测模型中某一结局发病率为0.065，调整的R方为0.051，平均生存时间为2.07年。

结果得到最小样本量为5243，Events per Predictor Parameter (EPP)=23.07

> pmsampsize(type = "s", rsquared = 0.051, parameters = 30, rate = 0.065,
+            timepoint = 2, meanfup = 2.07)
NB: Assuming 0.05 acceptable difference in apparent & adjusted R-squared 
NB: Assuming 0.05 margin of error in estimation of overall risk at time point = 2  
NB: Events per Predictor Parameter (EPP) assumes overall event rate = 0.065  
 
             Samp_size Shrinkage Parameter CS_Rsq Max_Rsq Nag_Rsq   EPP
Criteria 1        5143     0.900        30  0.051   0.555   0.092 23.07
Criteria 2        1039     0.648        30  0.051   0.555   0.092  4.66
Criteria 3 *      5143     0.900        30  0.051   0.555   0.092 23.07
Final SS          5143     0.900        30  0.051   0.555   0.092 23.07
 
 Minimum sample size required for new model development based on user inputs = 5143, 
 corresponding to 10646 person-time** of follow-up, with 692 outcome events 
 assuming an overall event rate = 0.065 and therefore an EPP = 23.07  
 
 * 95% CI for overall risk = (0.113, 0.13), for true value of 0.122 and sample size n = 5143 
 **where time is in the units mean follow-up time was specified in

3、Continuous outcomes (Linear prediction models)

pmsampsize(type = "c", rsquared = 0.2, parameters = 25, intercept = 1.9, sd = 0.6)

25个候选变量，从先前文献中了解到同领域预测模型整的R方为0.2，人群中结局的平均值为1.9，标准差为0.6。

结果得到最小样本量为918，Events per Predictor Parameter (EPP)=36.72

> pmsampsize(type = "c", rsquared = 0.2, parameters = 25, intercept = 1.9, sd = 0.6)
NB: Assuming 0.05 acceptable difference in apparent & adjusted R-squared 
NB: Assuming MMOE <= 1.1 in estimation of intercept & residual standard deviation 
SPP - Subjects per Predictor Parameter 
 
            Samp_size Shrinkage Parameter Rsq   SPP
Criteria 1        918     0.900        25 0.2 36.72
Criteria 2        401     0.801        25 0.2 16.04
Criteria 3        259     0.727        25 0.2 10.36
Criteria 4*       918     0.900        25 0.2 36.72
Final             918     0.900        25 0.2 36.72
 
 Minimum sample size required for new model development based on user inputs = 918  
 
 * 95% CI for intercept = (1.87, 1.93), for sample size n = 918

好啦，今天的内容就到这里。

如果有帮助，记得分享给需要的人！