gms | German Medical Science

GMDS 2013: 58. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

01. - 05.09.2013, Lübeck

Fallzahlplanung - Grundlagen und neue Herausforderungen

Meeting Abstract

Search Medline for

  • Geraldine Rauch - Universitätsklinikum Heidelberg, Heidelberg, DE
  • Meinhard Kieser - Universitätsklinikum Heidelberg, Heidelberg, DE
  • Katrin Jensen - Universitätsklinikum Heidelberg, Heidelberg, DE

GMDS 2013. 58. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Lübeck, 01.-05.09.2013. Düsseldorf: German Medical Science GMS Publishing House; 2013. DocAbstr.311

doi: 10.3205/13gmds307, urn:nbn:de:0183-13gmds3073

Published: August 27, 2013

© 2013 Rauch et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Bei der Planung klinischer Studien nimmt die Fallzahlberechnung eine Schlüsselrolle ein. Werden zu wenige Patienten in eine Studie eingeschlossen, so besteht keine hinreichende Chance, das Studienziel zu erreichen. Eine Studie mit zu hohem Stichprobenumfang exponiert unnötig viele Studienteilnehmer einer möglicherweise unterlegenen Therapie und verzögert durch ihre lange Dauer den Fortschritt in Forschung und Entwicklung. Beides ist unethisch und unökonomisch. Nach einer Einführung in die Fragestellung und in das grundlegende Prinzip der Berechnung des Stichprobenumfanges werden Methoden zur Fallzahlplanung für normalverteilte und binäre Zielvariablen in Studien zum Nachweis der Überlegenheit sowie der Nicht-Unterlegenheit vorgestellt.

In der Planungsphase klinischer Studien besteht jedoch häufig Unsicherheit in Bezug auf den Wert von Parametern, die zur Fallzahlberechnung notwendig sind. Im Design mit interner Pilotstudie werden Störparameter wie die Populationsvarianz im Studienverlauf auf der Basis bereits akkumulierter Daten geschätzt und die ursprünglich geplante Fallzahl, wenn nötig, angepasst. Es werden entsprechende Methoden zur Fallzahladjustierung für die zuvor behandelten Anwendungssituationen behandelt.

Neben normalverteilten und binären Zielkriterien werden in vielen klinischen Studien Ereigniszeit-Endpunkte betrachtet. Hierzu zählt die klassische Überlebenszeit, aber auch Ereigniszeit-Variablen wie Rezidivfreies-Überleben oder Zeit bis zum Auftreten von Metastasen. In Studien, welche die Ereigniszeit erfassen, werden Patienten über einen längeren Zeitraum beobachtet. Nicht bei allen Patienten wird jedoch ein Ereignis beobachtet, da manche Patienten vorzeitig aus der Studie ausscheiden (Loss-to-follow-up) und andere das Zielereignis nie oder erst nach Studienende erfahren. Insofern ist die Anzahl der in der Studie beobachteten Ereignisse typischerweise kleiner als die Anzahl von Patienten. Dieser Umstand stellt eine besondere Herausforderung für die Fallzahlplanung dar. Es werden Methoden zur Fallzahlplanung bei Ereigniszeit-Endpunkten vorgestellt und auf konkrete Beispiele angewendet.

Neben dem klassischen Design einer klinischen Studie mit zwei Armen und einem primären Endpunkt gibt es diverse andere Designs und Fragestellungen, für die das konfirmatorische Testen mehrerer Forschungshypothesen notwendig ist. Multiple Testprobleme stellen insofern eine Herausforderung für die Fallzahlplanung dar, da es in diesem Fall verschiedene Ansätze für eine Powerdefinition gibt. So vielfältig wie die Möglichkeiten zur Multiplizitätsadjustierung sind, so vielfältig sind auch die Methoden zur Fallzahlplanung, die im Kurs vorgestellt werden.

In Cluster-randomisierten Studien werden nicht einzelne Patienten randomisiert, sondern vorher definierte Gruppen von Patienten, z.B. Arztpraxen, Krankenhäuser oder Einzugsbereiche. Besonders in der Versorgungsforschung und in den Pflegewissenschaften spielt dieses Studiendesign eine zentrale Rolle. Die methodische Herausforderung eines solchen Designs ist, dass die erhobenen Werte von Patienteninnerhalb eines Clusters stochastisch nicht unabhängig sind. Daher ist die benötigte Fallzahl für Cluster-randomisierte Studien in der Regel höher als für das klassische Patienten-randomisierte Design. Anwendungen und Methoden der Fallzahlplanung für Cluster-randomisierteStudien werden im Kurs präsentiert und diskutiert.