Sample-size formula for clustered survival data using weighted log-rank statistics
基于加权对数秩统计量的聚类生存数据样本量公式AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要关注聚类生存分析与试验样本量，未提供面板结构、网络干扰或因果效应识别的明确证据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于加权对数秩统计量的聚类生存数据样本量公式
- 研究问题
- 对于簇大小可变且簇内处理分配任意的生存数据，如何计算加权对数秩检验所需样本量并估计其方差？
- 方法与思路
- 作者利用某些局部备择下统计量的渐近正态性推导样本量公式及一致方差估计，并通过模拟和临床试验数据展示。
- 材料陈述的贡献
- 摘要称，无聚类或簇内独立时公式退化为既有公式；模拟支持第一类错误控制和样本量准确性，并展示事件驱动试验设计。
- 阅读关注点
- 应核对局部备择、簇内相关和删失条件，权重及簇大小的处理，并检查事件数如何转换为试验所需样本量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，未给出适用条件和模拟数值；存在簇内相关不等于网络干扰或因果识别。
原文摘要
We present a simple sample‐size formula for weighted log‐rank statistics applied to clustered survival data with variable cluster sizes and arbitrary treatment assignments within clusters. This formula is based on the asymptotic normality of weighted log‐rank statistics under certain local alternatives in the clustered data context. We also provide consistent variance estimators. The derived sample‐size formula reduces to Schoenfeld's (1983) formula for cases of no clustering or independence within clusters. Simulation results verify control of the Type I error and accuracy of the sample‐size formula. Use of the sample‐size formula in an event‐driven clinical trial design is illustrated using data from the Early Treatment Diabetic Retinopathy Study.