연속변수를 종속변수로 하는 비교 임상시험시 SAS Macro를 이용한 통계적 검정력 산출

Power analysis by using SAS Macro for controlled clinical trial with continuous outcome variable

연구배경 : 임상시험의 시행에 있어 통계적 검정력이 떨어지는 경우에는 실제 약물의 효과에 대한 타당한 결론을 내리기 어려우므로 통계적 검정력을 분석할 필요가 있다. 본 논문에서는 결과변수가 연속변수일 경우의 가상적인 임상시험 자료에 SAS의 macro program을 적용하여 간편하게 통계적 검정력을 산출하는 과정 및 그 결과를 보고하고자 한다. 연구방법 : 새로 개발된 항고혈압제에 대한 비교임상시험 자료를 적용하여 %Power를 이용한 검정력 분석을 시행하여 통계적 검정력과 최소 연구대상수를 산출하였다. 임상시험에서 얻어진 원자료와 연구결과로 제시된 평균치를 이용하는 두가지 방법을 적용하여 그 결과를 비교하였다. 결 과 : 30명에 대한 가상적인 자료를 이용하여 연구대상군별 치료효과의 차이를 분석한 결과, 약물투여 군간 혈압의 감소 정도에 통계적으로 유의한 차이가 없다는 결과를 얻었으나, 통계적 검정력 분석 결과 27%로서 매우 낮은 것으로 나타나, 연구대상수가 충분하지 않아서 나타난 결과임을 알 수 있었다. 수집된 자료로서 치료효과의 차이를 통계적으로 유의한 것으로 판별하기 위해서는 최소 69명의 표본이 필요하다는 결론을 얻었다. 또한 군간 평균과 분산을 적용하여 %power를 사용한 결과 지정된 제1종 오류 $0.05,\sqrt{MSE}$ = 18, effect size=5.67일 경우에 약 29%의 통계적 검정력을 갖는 것으로 산출되었다. 결론 : 이와 같은 결과를 통하여 임상시험을 시행할 때 연구대상수가 부족할 경우에는 통계적 검정력이 떨어지게 되어 결과를 올바르게 판정해 낼 수 없으며 반드시 이의 적절성 여부를 확인하는 과정이 필요함을 확인하였다. 소개된 프로그램은 연구 계획시, 연구 도중의 중간분석시, 및 결과분석이 완료된 이후의 각 단계에서 손쉽게 통계적 검정력을 산출하는데 유용하게 사용될 것이다.

Background : Calculating appropriate sample size is indispensable process in planing clinical trials. If the result of comparative clinical trial can not reject null hypothesis, two possibilities of explaining the results can be considered. One possibility can be that the therafeutic effects between the two drugs is truly not different. The other can be the possibility of falsely accepting the null hypothesis due to lack of statistical power. Estimating statistical power is not easy, especially when more than two groups are considered. This paper reported how to carry out power analysis by using SAS macro program. Method : A clinical trial of antihypertensive drug using three groups (including one placebo group) was simulated. Each treatment group consisted of 10 persons and the outcome variables were evaluated by continuous variables. The therapeutic effect of three groups were not significant statistically. By using SAS macro program, the statistical power and least significant number of sample size were calculated in the two different situation ; one was using raw data and the other was using mean value. Results : The statistical power of this analysis was 27%, which means that this data has 27% possibility of detecting the real difference(alternative hypothesis). The least significant sample size for detecting the therapeutic difference among groups as statistically significant requires 69 persons. Conclusion : It can be regarded that 27% statistical power is not appropriate to meet the research purpose. In this case, we can decide that the research be continued to gain the reaseach purpose. Calculating statistical power of any clinical trial must be helpful to make decisions on whether to continue the reseach or not.