以前紹介したχ二乗検定とt検定の必要症例数(統計力検定って、どうやるの？)に引き続き、多変量解析の必要症例数を勉強してみました。

多変量解析の場合は、因子の数が重要なようです。因子とは、年齢、性別、罹病期間、etc...の、検討する変数の事です。

ロジステック回帰分析　因子数×１０例

コックス比例ハザードモデル　因子数×１０例

線形回帰モデル　因子数×１５例

結論から言うと、アウトカムのどちらか１群の必要症例数は、上記になります。普通は２群間で比べるので、全体症例数は最低でも上記の２倍になります。

ロジステック回帰分析では、因子の数×10　例　が、目的とするアウトカムの少ない方の群に必要な数です。たとえば、発生率１０%の骨折があったとして、骨折の危険因子を、年齢、性別、骨密度の３因子で調べようとすると、骨折群に３因子×10例＝３０例必要で、全体では３００例が必要症例数になります。

例えば、骨密度と骨折の関連を調べる線形回帰モデルの場合、性別、年齢、筋量の3因子で補正を行う場合、　骨折群　3因子×１5例=　45例、　非骨折群３因子×15例=　45例　合計90例が必要になります。

現実には検証可能な症例数は限られているので、あれもこれもと因子を増やそうとすると、不安定な統計モデルとなってしまします。そこで、先行論文や臨床経験等で重要な因子を選択し、最適なモデルを作ることが重要で、研究者のOriginality（ともすると、恣意性に陥りますが。）が発揮される点になります。

そうした目で見てみると、整形外科領域の論文では、いかに統計力の足りない多変量解析が多いことか、、、　IFが低い要因がわかる気がします。

もちろん僕のような統計初心者の関わる臨床研究はほとんどが「探索的研究」（反対語は「検証的研究」）であるため、必ずしも必要症例数を満たす必要はありません。その点をうまく読者、reviwerに伝えることが重要になります。

参考URL

必要症例数　多変量解析

http://www.igaku-shoin.co.jp/paperDetail.do?id=PA02933_08

http://www.kdcnet.ac.jp/hepatology/technique/statistics/multivar/multivar1.htm

探索的研究について。

http://med.kyushu-u.ac.jp/recnet_fukuoka/e-learning/method.html