1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
|
"epi.sscompc" <- function(N = NA, treat, control, sigma, n, power, r = 1, design = 1, sided.test = 2, nfractional = FALSE, conf.level = 0.95) {
alpha.new <- (1 - conf.level) / sided.test
z.alpha <- qnorm(1 - alpha.new, mean = 0, sd = 1)
if (!is.na(treat) & !is.na(control) & !is.na(n) & !is.na(power)){
stop("Error: at least one of treat, n and power must be NA.")
}
# Sample size:
if(!is.na(treat) & !is.na(control) & is.na(n) & !is.na(sigma) & !is.na(power)){
# Sample size. From Woodward p 398:
z.beta <- qnorm(power, mean = 0, sd = 1)
delta <- abs(treat - control)
n <- ((r + 1)^2 * (z.alpha + z.beta)^2 * sigma^2) / (delta^2 * r)
# Account for the design effect:
n <- n * design
n.treat <- (n / (r + 1)) * r
n.control <- (n / (r + 1)) * 1
n.total <- n.treat + n.control
p.treat <- n.treat / n.total
p.control <- n.control / n.total
# Finite population correction:
n.total <- ifelse(is.na(N), n.total, (n.total * N) / (n.total + (N - 1)))
n.treat <- ifelse(is.na(N), n.treat, p.treat * n.total)
n.control <- ifelse(is.na(N), n.control, p.control * n.total)
# Fractional:
n.treat <- ifelse(nfractional == TRUE, n.treat, ceiling(n.treat))
n.control <- ifelse(nfractional == TRUE, n.control, ceiling(n.control))
n.total <- n.treat + n.control
rval <- list(n.total = n.total, n.treat = n.treat, n.control = n.control, power = power, delta = delta)
}
# Power:
else
if(!is.na(treat) & !is.na(control) & !is.na(n) & !is.na(sigma) & is.na(power)){
# Study power. From Woodward p 401:
delta <- abs(treat - control)
# Account for the design effect:
n <- n / design
if(nfractional == TRUE){
n.crude <- n
n.treat <- (n / (r + 1)) * r
n.control <- (n / (r + 1)) * 1
n.total <- n.treat + n.control
}
if(nfractional == FALSE){
n.crude <- ceiling(n)
n.treat <- ceiling(n / (r + 1)) * r
n.control <- ceiling(n / (r + 1)) * 1
n.total <- n.treat + n.control
}
z.beta <- ((delta * sqrt(n * r)) / ((r + 1) * sigma)) - z.alpha
power <- pnorm(z.beta, mean = 0, sd = 1)
rval <- list(n.total = n.total, n.treat = n.treat, n.control = n.control, power = power, delta = delta)
}
# Delta:
else
if(is.na(treat) & is.na(control) & !is.na(n) & !is.na(sigma) & !is.na(power)){
# Maximum detectable difference. From Woodward p 401:
z.beta <- qnorm(power, mean = 0, sd = 1)
# Account for the design effect:
n <- n / design
if(nfractional == TRUE){
n.crude <- n
n.treat <- (n / (r + 1)) * r
n.control <- (n / (r + 1)) * 1
n.total <- n.treat + n.control
}
if(nfractional == FALSE){
n.crude <- ceiling(n)
n.treat <- ceiling(n / (r + 1)) * r
n.control <- ceiling(n / (r + 1)) * 1
n.total <- n.treat + n.control
}
delta <- ((r + 1) * (z.alpha + z.beta) * sigma) / (sqrt(n * r))
rval <- list(n.total = n.total, n.treat = n.treat, n.control = n.control, power = power, delta = delta)
}
rval
}
|
