연구배경 : 임상시험의 시행에 있어 통계적 검정력이 떨어지는 경우에는 실제 약물의 효과에 대한 타당한 결론을 내리기 어려우므로 통계적 검정력을 분석할 필요가 있다. 본 논문에서는 결과변수가 비연속변수일 경우의 가상적인 임상시험 자료에 PASS 라는 컴퓨터 프로그램을 이용하여 간편하게 통계적 검정력을 산출하는 과정 및 그 결과를 제시하였다. 대상 및 방법 : 새로운 항암제의 치료효과를 평가하기 위한 가상적인 비교임상시험과, 폐암환자를 방사선 단독 치료군과 화학요법 병행군으로 무작위 배정하여 치료한 뒤 추적 조사를 실시한 가상적인 자료를 이용하여 통계적 검정력과 최소 연구대상수를 산출하였다. 결과 : 새로운 항암제의 치료효과를 평가한 자료를 분석한 결과 처치와 예후간에 통계적으로 유의한 연관성이 없다는 결과를 얻었으나, 통계적 검정력 분석 결과 검정력이 약 29%로 낮은 것으로 나타나 연구대상수가 충분하지 않아서 나타난 결과임을 알 수 있었다. 그리고 30명의 폐암환자를 대상으로 한 가상적인 자료의 경우도 통계적 검정력 분석 결과 검정력이 약 39%로서 매우 낮은 것으로 나타나, 이 역시 부족한 연구 대상수가 문제임을 알 수 있었다. 결론 : 이와 같은 결과를 통하여 임상시험을 시행할 때 연 구대상수가 부족할 경우에는 통계적 검정력이 떨어지게 되어 결과를 올바르게 판정해 낼 수 없으면 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 planning clinical trials. If the result of a comparative clinical trial cannot reject null hypothesis, four possibilities might be considered. Three of those can be the truly no difference of therapeutic effects between the two drugs, poor compliance of the patients to the prescribed drugs, and the effect of bias during the study. The last possibility can be the falsely accepting the null hypothesis due to the lack of statistical power. This paper reported power analysis with non-continuous outcome variables in comparative controlled clinical trials to point out latter problem. Methods : A clinical trial of new anti-cancer agent using two groups was simulated with binary outcome variable. Another clinical trial was simulated to evaluate two treatment for lung cancer patients. After double -blind randomization to radiotherapy alone group and chemotherapy parallel group, follow-up observations were conducted. Outcome variable is survival time. By using PASS program, the statistical power and least significant number of sample size were calculated in the two different situation. Results : The statistical power of anti-cancer agent data was 29%, which meant that sample size need to be increased. The least significant sample size for detecting the therapeutic difference between groups as statistically significant requires 200 persons. The statistical power of lung-cancer data was 39%, which also meant that sample size need to be increased. The least significant sample size for detecting the therapeutic difference between groups as statistically significant requires 84 persons. Conclusion : Inadequate sample size in clinical trials can cause wrong decision due to decrease in statistical power, so proper power analysis is needed. The program introduced in this paper can be used in design, interim analysis, and final analysis of clinical trials to calculate statistical power very usefully.
