Sample size estimation (TKUD23)

---

Mot so package co the dung de uoc tinh co mau nhu

• Samplesize
• epiDisplay
• pwr
• epiR

Cai dat goi epiDisplay va pwr

#install.packages("pwr")
#install.packages("epiDisplay")
#install.packages("epiR")
library(pwr)
library(epiDisplay)

Uoc tinh co mau cho 1 gia tri ty le

Mục đích: xác định tỷ lệ trầm cảm ở trẻ vị thành niên Theo y các nghiên cứu trước ( y văn), tỷ lệ trẻ thành niên trầm cảm trong cộng đồng là 26%, sai số tuyệt đối e=0.01. Tính cỡ mẫu n?

alpha=0.05; z=qnorm(alpha/2)
p=0.26; e=0.01
n=(z/e)^2*p*(1-p)
n

## [1] 7390.967

library (epiDisplay)
n=n.for.survey(p=0.26, delta=0.01, alpha=0.05)
n

## 
## Sample size for survey. 
## Assumptions: 
##   Proportion       = 0.26 
##   Confidence limit = 95 % 
##   Delta            = 0.01 from the estimate. 
## 
##   Sample size      = 7391

Uoc tinh co mau cho 1 gia tri trung binh

Mục đích: Tính cỡ mẫu cho nghiên cứu ước tính trị số BMI ở học sinh THCS. Nghiên cứu trước có độ lệch chuẩn 5 kg/m². Lấy α = 5% và sai số tuyệt đối e= 0.5 kg/m²

s = 05
e = 0.5
n = (1.96*s/e)^2
cbind(s,e,n)

##      s   e      n
## [1,] 5 0.5 384.16

alpha=0.05
z=qnorm(0.05/2)
s=5
e=0.5
n=(z/e*s)^2
n

## [1] 384.1459

Tham khảo thêm: https://egap.org/resource/10-things-to-know-about-statistical-power/

Uoc tinh co mau cho so sanh 2 gia tri ty le

Nghiên cứu RCT, đánh giá chương trình truyền thông về phòng chống COVID-19. Hai nhóm: i) nhóm nhận được các chương trình truyền thông và ii) nhóm chứng. Tỷ lệ có kiến thức đúng về phòng COVID-19 tăng từ 30% lên 70% sau 06 tháng can thiệp ở nhóm I (giả định). Tính cỡ mẫu với α=0.05 và β=0.1.

n=pwr::pwr.2p.test(h=0.8, sig.level = 0.05, power = 0.9, alternative = "two.side") 
n

## 
##      Difference of proportion power calculation for binomial distribution (arcsine transformation) 
## 
##               h = 0.8
##               n = 32.83569
##       sig.level = 0.05
##           power = 0.9
##     alternative = two.sided
## 
## NOTE: same sample sizes

h Describe the differences in proportions using the rule of thumb criteria set out by Cohen .[1] Namely, h = 0.2 is a “small” difference, h = 0.5 is a “medium” difference, and h = 0.8 is a “large” difference.

https://en.wikipedia.org/wiki/Cohen%27s_h

Uoc tinh co mau cho so sanh 2 gia tri trung binh

Đánh giá hiệu quả chương trình can thiệp sữa học đường lên mật độ xương của trẻ em (g/cm2) Hai nhóm: bổ sung sữa vs không bổ sung Theo nghiên cứu trước đây, mật độ xương trung bình trẻ em =0.6, sai số chuẩn: 0.1. Hiệu quả can thiệp theo y văn sau 1 năm tăng 5% mật độ xương =0.6+0.6*5%=0.63, β=10% và α=5%

n=n.for.2means (mu1=0.6, mu2=0.63, sd1=0.1, sd2=0.1, power=0.9, alpha=0.05, ratio=1)
n

## 
## Estimation of sample size for testing Ho: mu1==mu2 
## Assumptions: 
##  
##      alpha = 0.05 
##      power = 0.9 
##      n2/n1 = 1 
##        mu1 = 0.6 
##        mu2 = 0.63 
##        sd1 = 0.1 
##        sd2 = 0.1 
##  
## Estimated required sample size: 
##  
##         n1 = 234 
##         n2 = 234 
##    n1 + n2 = 468 
## 

Uoc tinh co mau cho Odds Ratio (OR) nghien cu benh chung

Một nghiên cứu bệnh chứng về mối quan hệ giữa uống rượu bia và ung thư gan ở nam giới trưởng thành. Nhà nghiên cứu muốn lấy 2 nhóm (bệnh vs không bệnh) là như nhau (r=1) để so sánh tỉ lệ uống rượu bia. Giả thuyết tỉ số nguy cơ là 2, khoảng 30% nam giới trưởng thành tại VN có uống rượu bia (y văn). Tính cỡ mẫu với β=0.1 và α=0.05?

library (epiR)
n=epiR::epi.sscc(OR=2, p0=0.3, n=NA, power = 0.9,r=1, sided.test = 2, conf.level = 0.95, method = "unmatched")
n

## $n.total
## [1] 376
## 
## $n.case
## [1] 188
## 
## $n.control
## [1] 188
## 
## $power
## [1] 0.9
## 
## $OR
## [1] 2

Uoc tinh co mau cho tỉ số nguy cơ (RR) nghien cuu doan he/ thuan tap

Một nghiên cứu về mối liên quan giữa kết quả học tập và tự tử ở trẻ vị thành niên sẽ được theo dõi trong 5 năm. Theo y văn, tỷ lệ tự sát ở trẻ vị thành niên nói chung là 2% và giả định rằng kết quả học tập kém sẽ tỉ lệ tự sát lên 5%. Tính cỡ mẫu (2 nhóm học tốt và học kém) với β=0.1 và α=0.05?

n=epiR::epi.sscohortc(irexp1 = 0.05, irexp0=0.02, pexp=NA,n=NA, power = 0.8, r=1,N, design = 1, sided.test = 2, conf.level = 0.95)
n=epiR::epi.sscohortc()
n

## $n.total
## [1] 200
## 
## $n.exp1
## [1] 100
## 
## $n.exp0
## [1] 100
## 
## $power
## [1] 0.8
## 
## $irr
## [1] 2.5
## 
## $or
## [1] 3