Un essai de non-infériorité vise à montrer qu’un nouveau traitement n’est pas moins bon qu’un traitement de référence de plus d’une marge fixée. Le calculateur de taille d’échantillon de non-infériorité prend les deux taux de succès, la marge, le seuil unilatéral, la puissance et les abandons attendus, et donne les participants par groupe, le total, et les nombres avec les abandons.
Comment se fait le calcul
- Choisissez la marge de non-infériorité δ, la plus grande perte de taux de succès que vous accepteriez encore comme « pas pire », selon le jugement clinique et les essais antérieurs.
- Saisissez le taux de succès du traitement de référence p₁ et le taux attendu du nouveau traitement p₂.
- Avec un seuil unilatéral α et une puissance 1 − β, le nombre par groupe est n = (z(1−α) + z(puissance))² × (p₁(1 − p₁) + p₂(1 − p₂)) ÷ (p₂ − p₁ + δ)².
- Augmentez-le pour les abandons : divisez par 1 − taux d’abandon. Arrondissez au nombre entier de participants supérieur.
Exemple
Le traitement de référence réussit chez 70 % des patients et le nouveau devrait réussir chez 72 %. La marge est de 8 points, avec un α unilatéral de 0,05 et une puissance de 90 %. Les valeurs z totalisent 1,645 + 1,282 = 2,926. Alors n = 8,564 × 0,4116 ÷ 0,01 = 352,5, donc 353 par groupe et 706 au total. Avec 15 % d’abandons, les nombres deviennent 416 par groupe et 832 au total.
Pourquoi c’est utile
La taille d’échantillon est l’une des premières choses qu’un protocole doit justifier. Ce calcul permet aux chercheurs et aux étudiants de voir comment la marge, les taux et la puissance changent la taille d’un essai avant de lancer un logiciel complet.
À savoir
La formule utilise l’approximation normale pour deux proportions avec variance non combinée, qui fonctionne quand les taux ne sont pas proches de 0 ou de 1 et que les groupes ne sont pas petits. Les vrais protocoles peuvent employer d’autres méthodes, et un statisticien doit confirmer le plan final. Le calculateur ne peut pas décider de la marge.
Outils liés
Le calculateur de taille d’échantillon traite le cas simple de l’estimation d’une proportion, et celui de puissance statistique montre la puissance pour des effectifs donnés.