生存分析样本量估算——Lakatos法 SAS code

**Lakatos 法是基于马尔可夫模型，将随访划分成了K个相等的时间间隔，分别对试验组和对照组建模，假设进入研究的患者在研究开始后的某一时刻t可能处于的状态有三种，分别是：失访、死亡和存活，并在不同的时刻，以一定的转移概率在不同状态之间转换。该方法拟合出了一个独特的生存过程，能较好地反映了实际情况，且对数据分布无要求，也不要求HR恒定，应用比较灵活，是一种较为可行、有效的生存分析样本含量估计方法。

案例

拟进行某种新药A（试验组）对比安慰剂B（对照组）的临床试验，根据既往研究可知，A药缓解中位时间为30.2h，B组的中位缓解时间为45.8h，中位时间差异保持不变(15.6h) ，受试者按2：1 的比例随机接受A药或安慰剂治疗。该研究计划用150h入组患者，入组完成之后继续随访400h。采用Lgo-Rank检验比较A组与安慰剂组间差异，取α=0.05，把握度（检验效能）1-β=80%，采用双侧检验，需要多少样本量？

  proc power;
      twosamplesurvival test=logrank
        groupmedsurvtimes = 45.8 | 30.2
         accrualtime = 150
         totaltime = 550
         groupweights = (1 2)
         ntotal = .
         power = 0.99;
   run;

脱落率也需要考虑

广义Wilcoxon（Gehan）

proc power;
      twosamplesurvival test=genhan
        groupmedsurvtimes = 45.8 | 30.2
         accrualtime = 150
         totaltime = 550
         groupweights = (1 2)
         ntotal = .
         power = 0.99;
   run;