1. 样本量估算及方案表述
2. 关键参数
3. 计算结果
———
———
———
———
4. 公式、假设与适用边界
—
POST-MARKETING SAFETY · SAMPLE SIZE PLANNING
用于上市后主动安全性观察及AEFI/AESI监测,支持单组发生率精度、罕见事件观察能力、零事件上限、风险阈值排除、两独立组比较及人时发生密度的样本量规划。
主要终点为“至少发生1次相关AE的比例”时,根据目标置信区间半宽计算样本量。
假定真实发生率p,保证以一定把握度至少观察到k例AE、AESI或SAE。
计算零事件时真实发生率的单侧上限,或反推所需可评价样本量。
预设风险阈值p*和最多允许事件数c,建立事前风险接受准则。
比较产品/暴露组与独立对照组的AE发生率,采用风险差的大样本差异检验。
适用于随访时间不同,以人日、人月或人年为分母的AEFI/AESI发生密度。
| 安全性问题 | 推荐起点 | 关键区别/注意事项 |
|---|---|---|
| 常见AE发生率及95%CI精度 | Wilson得分区间;与SAP中的区间方法一致 | 低发生率或事件数少时,不建议仅使用Wald法 |
| 预设人数/剂次中至少观察到k例 | 精确二项分布P(X≥k) | 以人数/剂次为分母、每个观察单位为0/1结局;不是Poisson分布 |
| 零事件的发生率上限 | Clopper–Pearson单侧上限 | 使用实际可评价n;0例不等于0风险 |
| 排除高于临床阈值的风险 | 风险阈值p* + 允许事件数c | p*和c必须在研究开始前预设 |
| 两个独立组安全性比较 | 两独立比例风险差近似 | 重复剂次、匹配、极低事件率需专门方法 |
| 以人时为分母的事件计数 | Poisson人时规划方法 | 分母是总人时T,可允许同一人发生多次事件 |