适用范围:用于上市后安全性观察的固定样本量设计,包括单组发生率精度、罕见事件观察能力、零事件上限、风险阈值排除、两个独立组比较和人时发生密度。
第一步:选择你要回答的安全性问题
1
发生率能估得多准确?
主要终点为“至少发生1次相关AE的比例”时,根据目标置信区间半宽计算样本量。
2
有多大机会看到罕见事件?
假定真实发生率p,保证以一定把握度至少观察到k例AE、AESI或SAE。
3
一例都没看到,如何解释?
计算零事件时真实发生率的单侧上限,或反推所需可评价样本量。
4
能否排除高于某阈值的风险?
预设风险阈值p*和最多允许事件数c,建立固定样本量接受准则。
5
两个独立组是否不同?
比较产品/暴露组与独立对照组的AE发生率,采用风险差的大样本差异检验。
6
按人时计算发生密度
适用于随访时间不同,以人日、人月或人年为分母的AEFI/AESI发生密度。
查看其他固定样本量安全性方法如何选择
| 安全性问题 | 推荐起点 | 关键区别/注意事项 |
| 常见AE发生率及95%CI精度 | Wilson得分区间;与SAP中的区间方法一致 | 低发生率或事件数少时,不建议仅使用Wald法 |
| 固定人数/剂次中至少观察到k例 | 精确二项分布P(X≥k) | 固定n、每个观察单位为0/1结局;不是Poisson分布 |
| 零事件的发生率上限 | Clopper–Pearson单侧上限 | 使用实际可评价n;0例不等于0风险 |
| 排除高于临床阈值的风险 | 风险阈值p* + 允许事件数c | p*和c必须在研究开始前预设 |
| 两个独立组安全性比较 | 两独立比例风险差近似 | 重复剂次、匹配、极低事件率需专门方法 |
| 以人时为分母的事件计数 | Poisson固定样本量方法 | 分母是总人时T,可允许同一人发生多次事件 |
第四步:查看计算结果并复制表述
—
—
查看可纳入方案 / 论文的方法学表述
—
权威来源与标识
核对原则:经典统计方法按原始论文或公认专著核对;研究设计与报告框架按截至2026年7月可获得的现行监管/方法学文件核对。指南通常不指定唯一公式,不能替代具体统计模型。