Kami memiliki biomarker potensial untuk memprediksi apakah pasien menderita kanker atau tidak. Hasil tes biomarker adalah biner yang positif atau negatif. Kami ingin mengetahui jumlah pasien yang perlu diuji untuk menentukan apakah biomarker ini merupakan prediktor yang baik atau tidak.
Dari membaca di internet tampaknya cara untuk pergi adalah dengan melihat sensitivitas (untuk jumlah kasus) dan spesifisitas (untuk jumlah kontrol). Disarankan bahwa Anda harus memperlakukan situasi ini sebagai uji proporsi satu sampel, tetapi masih belum jelas bagaimana Anda harus memperkirakan apa sensitivitasnya dan kisaran yang Anda siapkan kecuali. Jika saya menganggap biomarker dengan sensitivitas lebih dari 0,8 sebagai "baik", bagaimana Anda mengatur dua variabel? Saya ingin hipotesis nol saya menjadi biomarker tidak lebih baik dari penugasan acak yaitu sensitivitas 0,5. Adakah yang bisa memberikan contoh cara terbaik untuk melakukan ini (terutama jika itu dalam R).
Jawaban:
Mari kita bicara tentang sensitivitas (yang akan kita tunjukkan dengan ), spesifisitasnya mirip. Berikut ini adalah pendekatan yang sering dilakukan; alangkah baiknya jika salah seorang Bayesian di sini dapat menambahkan jawaban lain untuk membahas cara alternatif untuk melakukannya.hal
x
x
Setidaknya ada dua pendekatan - analitis dan simulasi. The
pwr
paket diR
sudah ada untuk membantu dengan desain ini - Anda perlu menginstalnya terlebih dahulu. Selanjutnya Anda akan memerlukan ukuran efek, maka fungsi yang Anda inginkan adalahpwr.p.test
.Setelah Anda mendapatkan data Anda, cara untuk menjalankan tes adalah (saya akan mensimulasikan data demi argumen).
EDIT: Jika Anda menyukai pendekatan simulasi yang lebih baik, maka Anda dapat melakukannya dengan cara ini: set
dan biarkan
runTest
menjadijadi estimasi daya adalah
sumber