MedCalc 级联

命令: 窗口 级联 捷径: Shift + F5 描述 排列MedCalc窗口,以便每个窗口的标题栏都可见。

MedCalc 样本量:基于回归的参考限值的精度

命令: 样本量 置信区间估计和 基于精度回归的参考极限 描述 通过此过程,您可以以指定的相对精度计算估计基于回归的参考限值(例如与年龄相关的参考限值)所需的样本量(Bellera&Hanley,2007)。 必填项 参考极限(%):感兴趣的p%参考极限,例如95%参考极限。 置信区间(%):基准参考极限的A%置信区间(双面),例如95%置信区间。 参考范围(%):B%参考范围,用于计算相对误差范围。参考范围涵盖了协变量的任何值(例如年龄)的y值的中间B%。 相对误差幅度Δ(%):这是相对于参考范围的误差幅度。它定义为在任何协变量值下,参考极限的置信区间的期望宽度与参考范围的宽度之比。 例如,请查看与年龄相关的参考间隔的以下输出: 25岁时95%的参考范围是67.9618-56.3196 = 11.6422。10%的相对误差幅度(Δ)对应于11.6422的10%的置信区间宽度或大约1.2。 分布:协变量在样本中的分布。 均匀分布:当协变量遵循均匀分布时,请选择此选项。 低-中-高组:当协变量分为三组时,请选择此选项,其中三分之一的样本是在一个极端年龄采集的,三分之一是在中点采集的,三分之一是在另一个年龄段采集的极端。 正态分布:当协变量遵循正态分布时,请选择此选项。 平均年龄值:如果您仅对平均年龄值的参考限制感兴趣,请选择此选项。 例 您计划进行一项研究,以获得不同年龄段的血压参考限值的95%。对于90%的置信区间,与95%的参考范围(中间90%的观察值)相比,所需的相对误差裕度为10%。受试者的年龄分布是均匀的。 为参考极限输入95,为置信区间输入90,为参考范围输入95,为相对误差范围输入10。对于分布,选择统一分布。 点击计算。 所需的最小样本大小为377。

MedCalc 样本量:重复测量的变异系数的置信区间

描述 计算用于估计置信区间所需的最小样本大小,以及从重复测量得出的变异系数所需的宽度。根据Machin等人,2009年给出的一般方法进行计算。假设变异系数的计算使用对数法。 注意,该计算不包括无效假设值或幂的因数(1- β)。因此,估计的样本大小不能确定特定值将落在置信区间之内还是之外。案例数仅是达到指定置信区间宽度所需的数量。 必填项 置信度(%):选择置信度:90%,95%或99%。最常见的选择是置信度为95%(置信区间为95%)。如果需要,您可以输入其他置信度。 变异系数(%):预期的变异系数,以百分比表示。 置信区间宽度(两面):这是所需的置信区间的总宽度。例如,当CV为8%且95%置信区间为6到10时,则置信区间宽度为4。 例 对20个样本对的初步研究得出的变异系数为8%,95%CI为2.3%至13.7%。计算使用对数方法。 所需的95%置信区间为6到10%。这个更窄的置信区间需要几个样本对? 对于置信度,输入95,对于变化系数8,对于置信区间宽度,输入4(= 10-6)。 点击计算 该程序给出的最小样本量为37。这意味着,如果对37个样本对进行重复研究,并且此新研究再次得出8%的变异系数,则95%的置信区间将为6至10% 。

MedCalc 样本量:置信区间为比例之间的差异

命令: 样本量 置信区间估计和精度 比例之间的差异 描述 计算用于估计置信区间所需的最小样本大小,以及两个独立比例之间的差异所需的宽度(Machin等,2009)。 注意,该计算不包括无效假设值或幂的因数(1- β)。因此,估计的样本大小不能确定特定值将落在置信区间之内还是之外。案例数仅是达到指定置信区间宽度所需的数量。 必填项 置信度(%):选择置信度:90%,95%或99%。最常见的选择是置信度为95%(置信区间为95%的值)。如果需要,您可以输入其他置信度。 第一组中的比例(%):第一个样本中的假设比例(以百分比表示)。 第2组的比例(%):第二个样本中的假设比例(以百分比表示)。 置信区间宽度(两面):这是所需的置信区间的总宽度。例如,当95%置信区间为35至45时,差异为40%时,置信区间宽度为10。 第1组/第2组中的样本数量比率:两组中相等的样本数量,请输入1。如果组1中的案例数必须是组2中的案例数的两倍,请输入2。 例

MedCalc 样本数量:配对样本之间的均值差的置信区间

命令: 样本大小 置信区间估计和精度 配对样本之间的均值差 描述 计算用于估计置信区间所需的最小样本大小,该置信区间应具有成对观测值之间的平均差异所需的宽度(Machin等,2009)。 注意,该计算不包括无效假设值或幂的因数(1- β)。因此,估计的样本大小不能确定特定值将落在置信区间之内还是之外。案例数仅是达到指定置信区间宽度所需的数量。 必填项 置信度(%):选择置信度:90%,95%或99%。最常见的选择是置信度为95%(置信区间为95%的值)。如果需要,您可以输入其他置信度。 差异的标准偏差:配对观测值之间的差异的预期标准偏差(例如,从先前研究中的配对样本t检验或文献中获悉)。 置信区间宽度(两面):这是所需的置信区间的总宽度。例如,当95%置信区间为30到40时,平均差为35,则置信区间宽度为10。 例

MedCalc 样本量:均值之间差异的置信区间

命令: 样本量 置信区间估计和 均值之间的差异 描述 计算用于估计置信区间所需的最小样本大小,以及两个独立平均值之间的差异所需的宽度(Machin等,2009)。 注意,该计算不包括无效假设值或幂的因数(1- β)。因此,估计的样本大小不能确定特定值将落在置信区间之内还是之外。案例数仅是达到指定置信区间宽度所需的数量。 必填项 置信度(%):选择置信度:90%,95%或99%。最常见的选择是置信度为95%(置信区间为95%的值)。如果需要,您可以输入其他置信度。 合并标准偏差:您可以在独立样本t检验的输出中找到合并标准偏差(另请参阅独立样本t检验:计算说明)。 置信区间宽度(两面):这是所需的置信区间的总宽度。例如,当差异为25且95%置信区间为20到30时,则置信区间宽度为10。 第1组/第2组中的样本数量比率:两组中相等的样本数量,请输入1。如果组1中的案例数必须是组2中的案例数的两倍,请输入2。 例

MedCalc 样本量:单个比例的置信区间

描述 计算所需的最小样本量,以估计具有单个比例所需宽度的置信区间(Machin等,2009)。 注意,该计算不包括无效假设值或幂的因数(1- β)。因此,估计的样本大小不能确定特定值将落在置信区间之内还是之外。案例数仅是达到指定置信区间宽度所需的数量。 必填项 置信度(%):选择置信度:90%,95%或99%。最常见的选择是置信度为95%(置信区间为95%的值)。如果需要,您可以输入其他置信度。 比例(%):预期比例,以百分比表示。 置信区间宽度(两面):这是所需的置信区间的总宽度。例如,当比例为60%且95%置信区间为55到65时,则置信区间宽度为10。 例

MedCalc 样本量:均值的置信区间

命令: 样本量 置信区间估计和精密度 均值 描述 计算所需的最小样本量,以估计具有单个均值所需宽度的置信区间(Machin等,2009)。 注意,该计算不包括无效假设值或幂的因数(1- β)。因此,估计的样本大小不能确定特定值将落在置信区间之内还是之外。案例数仅是达到指定置信区间宽度所需的数量。 必填项 置信度(%):选择置信度:90%,95%或99%。最常见的选择是置信度为95%(置信区间为95%的值)。如果需要,您可以输入其他置信度。 标准偏差:预期的标准偏差(从以前的研究或文献中获知) 置信区间宽度(两面):这是所需的置信区间的总宽度。例如,当平均值为35且95%置信区间为30到40时,则置信区间宽度为10。 例

MedCalc 样本量:两条ROC曲线的比较

描述 计算两个ROC曲线下面积的比较所需的样本量(来自相同情况)。样本数量考虑了所需的显着性水平和测试能力(请参阅样本数量计算:简介)。 必填项 I类错误-α:产生I类错误的概率(α级,两面),即在事实为真时拒绝零假设的概率。 II型错误-beta:发生II型错误的概率(β级),即实际上接受错误假设时接受零假设的概率。 ROC曲线下的面积1:第一个ROC曲线的假设面积。 ROC曲线2下的面积:第二条ROC曲线的假设面积。 阳性组中的相关性:阳性组中的假设等级相关系数(异常情况) 阴性组的相关性:阴性组中的假设等级相关系数(正常情况) 阴性/阳性组中样本数量的比率:输入所需的阴性和阳性病例比率。如果希望两个组的案件数相等,则输入1;否则,请输入1。如果您希望否定案件的数量是肯定组的两倍,请输入2。 例 您有兴趣证明,ROC曲线下面积为0.825和0.9的两种测定法(在相同情况下执行)的区分能力显着不同。从以前的研究中您知道,在阳性和阴性病例中,两种测定之间的等级相关性均为0.4。 在ROC曲线1下的Area和ROC曲线2下的Area输入值0.825和0.9。接下来,在正数组中输入0.4,在负数组中输入0.4。 对于α级,选择0.05,对于β级,选择0.20(功效为80%)。 单击“计算”后,程序将显示所需的样本量。 在示例中,阳性组需要133例,阴性组需要266例,总共399例。 表格显示了不同类型I和类型II错误级别所需的样本量。

MedCalc 样本量计算:ROC曲线下的面积

描述 计算用于比较具有零假设值的ROC曲线下的面积所需的样本量。样本数量考虑了所需的显着性水平和测试能力(请参阅样本数量计算:简介)。 必填项 I类错误-α:产生I类错误的概率(α级,两面),即在事实为真时拒绝零假设的概率。 II型错误-beta:发生II型错误的概率(β级),即实际上接受错误假设时接受零假设的概率。 ROC曲线下的面积:ROC曲线下的假想面积(预期在研究中会发现AUC)。 无效假设值:无效假设AUC。 阴性/阳性组中样本数量的比率:输入所需的阴性和阳性病例比率。如果希望两个组的案件数相等,则输入1;否则,请输入1。如果您希望否定案件的数量是肯定组的两倍,请输入2。 例 您想要显示特定测试的AUC为0.725,这与无效假设值0.5(意味着无判别力)相比很重要,然后针对ROC曲线下的面积输入0.725,对于无效假设值输入0.5。您期望包含的否定案例数量是肯定案例的两倍,因此对于否定/肯定组中的样本数量比率,您输入2。 对于α级,选择0.05,对于β级,选择0.20(功效为80%)。 单击“计算”后,程序将显示所需的样本量。 在示例中,阳性组需要19例,阴性组需要38例,总共需要57例。 表格显示了不同类型I和类型II错误级别所需的样本量。