A simple procedure to estimate the optimal sample size in case of conjunctive coprimary endpoints
Notice bibliographique
Résumé
For clinical studies in which two coprimary endpoints are necessary for assuring efficacy of the treatment of interest, it is important to determine the minimal sample size needed to attain a certain conjunctive power (i.e., power to reject false null hypothesis for both endpoints). The traditional method of assigning the square root of the targeted overall power to each of the two hypothesis tests is optimal only when the standardized treatment effect sizes of the two endpoints are equal. In spite of this limitation the square root method is applied routinely, resulting in frequent overestimation of the overall sample size. A new, iterative method is presented to find the two individual power values for the two endpoints so that the targeted overall power is attained with the smallest possible overall sample size. The principle is to assign more power to the endpoint for which a larger standardized effect size is likely to occur based on prior information. The main assumption of the new method is the independence of endpoints. However, this is not a serious limitation in case of type II error, thus the method yields a good approximation even if the condition of independence is not fulfilled. The advantages of the new method are (a) a considerable saving (up to 24% in our examples) in the overall sample size, (b) the flexibility as it can be applied to any combination of endpoint types (e.g., normally distributed + binomial, survival + binomial, etc.) and (c) easy to program.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,545 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».