FREQプロシジャ

例3.8 Cochran-Armitageの傾向検定

データセットPainには、痛みを抑えるための薬物治療の臨床試験の仮説データが含まれています。この臨床試験では、薬の投与量が多くなるほど有害な反応が増えるかどうかを調査します。被験者は、プラシーボか、または4種類の薬剤のいずれか1つを投与されます。有害な反応は、Adverse='Yes'として記録されます。それ以外の反応は、Adverse='No'として記録されます。薬剤投与と反応の各組み合わせに対応する被験者の数が、変数Countに含められます。

data pain;
   input Dose Adverse $ Count @@;
   datalines;
0 No 26   0 Yes  6
1 No 26   1 Yes  7
2 No 23   2 Yes  9
3 No 18   3 Yes 14
4 No  9   4 Yes 23
;

次のPROC FREQステートメントは、傾向分析を実施します。TABLESステートメントは、行がAdverseで列がDoseの表を要求します。MEASURESオプションは連関性の統計量を要求します。CLオプションは、それらの統計量の信頼限界を生成します。TRENDオプションは、Cochran-Armitage検定を使用して、変数Doseの順序尺度の値を通じた傾向の検定を実施します。PLOTS=オプションは、AdverseDoseのモザイクプロットを要求します。

EXACTステートメントは、この検定の正確なp値を生成します。MAXTIME=オプションは、正確な計算が60秒以内に完了しない場合、同計算を終了します。TESTステートメントは、Somersの$D(R|C)$の漸近検定を計算します。

ods graphics on;
proc freq data=Pain;
   tables Adverse*Dose / trend measures cl
          plots=mosaicplot;
   test smdrc;
   exact trend / maxtime=60;
   weight Count;
   title 'Clinical Trial for Treatment of Pain';
run;
ods graphics off;

出力3.8.1から出力3.8.4に、分析結果を示します。出力3.8.1内にある"Col Pct"の値は、投与量が増加した場合の有害な影響の比率において期待される増加傾向(18.75%から71.88%へ)を示しています。 対応するモザイクプロット(出力3.8.2)にも、このような増加傾向が示されています。

出力3.8.1: 分割表

Clinical Trial for Treatment of Pain

The FREQ Procedure

Frequency
Percent
Row Pct
Col Pct
Table of Adverse by Dose
Adverse Dose
0 1 2 3 4 Total
No
26
16.15
25.49
81.25
26
16.15
25.49
78.79
23
14.29
22.55
71.88
18
11.18
17.65
56.25
9
5.59
8.82
28.13
102
63.35
 
 
Yes
6
3.73
10.17
18.75
7
4.35
11.86
21.21
9
5.59
15.25
28.13
14
8.70
23.73
43.75
23
14.29
38.98
71.88
59
36.65
 
 
Total
32
19.88
33
20.50
32
19.88
32
19.88
32
19.88
161
100.00



出力3.8.2: モザイクプロット

モザイクプロット


出力3.8.3に、MEASURESオプションが生成する連関性の統計量を示します。Somersの$D(R|C)$、行変数(Adverse)を反応として、列変数(Dose)を予測値として扱うことにより連関性を測定します。95%の漸近信頼限界がゼロを含まないため、これは強い正の連関性を示します。 同様に、PearsonおよびSpearman相関係数は、仮定されている通り、強い連関性の根拠があることを示しています。

Cochran-Armitage検定(出力3.8.4)は、傾向仮説を支持します。Cochran-Armitage検定における小さい左側p値は、Doseが増加すると行1水準 (Adverse='No') の確率が減ること、言い換えれば、Doseが増加すると行2水準(Adverse='Yes')の確率が増えることを意味します。両側のp値は、増加または減少の対立仮説の検定を行います。これは、方向性は不明だが、薬剤が有害な影響の確率に対して革新的な影響を及ぼすかどうかを判定したい場合に適切な仮説となります。

出力3.8.3: 連関性の統計量

Statistic Value ASE 95%
Confidence Limits
GAMMA 0.5313 0.0935 0.3480 0.7146
Kendall's Tau-b 0.3373 0.0642 0.2114 0.4631
Stuart's Tau-c 0.4111 0.0798 0.2547 0.5675
Somers' D C|R 0.4427 0.0837 0.2786 0.6068
Somers' D R|C 0.2569 0.0499 0.1592 0.3547
Pearson Correlation 0.3776 0.0714 0.2378 0.5175
Spearman Correlation 0.3771 0.0718 0.2363 0.5178
Lambda Asymmetric C|R 0.1250 0.0662 0.0000 0.2547
Lambda Asymmetric R|C 0.2373 0.0837 0.0732 0.4014
Lambda Symmetric 0.1604 0.0621 0.0388 0.2821
Uncertainty Coefficient C|R 0.0515 0.0191 0.0140 0.0890
Uncertainty Coefficient R|C 0.1261 0.0467 0.0346 0.2175
Uncertainty Coefficient Symmetric 0.0731 0.0271 0.0199 0.1262

Somers' D R|C
Somers' D R|C 0.2569
ASE 0.0499
95% Lower Conf Limit 0.1592
95% Upper Conf Limit 0.3547

Test of H0: Somers' D R|C = 0
ASE under H0 0.0499
Z 5.1511
One-sided Pr > Z <.0001
Two-sided Pr &gt; |Z| <.0001



出力3.8.4: 傾向検定

Cochran-Armitage Trend Test
Statistic (Z) -4.7918
   
Asymptotic Test  
One-sided Pr < Z <.0001
Two-sided Pr &gt; |Z| <.0001
   
Exact Test  
One-sided Pr <= Z <.0001
Two-sided Pr &gt;= |Z| <.0001