效果参数：HR，风险比，是两组患者瞬时死亡概率之比，是衡量干预效果最常用的参数。HR可近似计算为：HR=对照组 mOS / 试验组 mOS
除此之外该类参数还有死亡风险（Hazard Rate），死亡率（Mortality，如5年死亡率），生存率（Proportion Surviving）。这些参数都可以进行相互换算，例如在生存数据满足指数分布假设下，试验组与对照组的。
样本量计算中对参数的估计主要是对干预效果的估计。临床常用的干预效果参数主要有mOS和t年死亡率（或生存率），因为这两组参数最直观也最容易理解。
有了两组的mOS或t年死亡率（生存率）就可以推算出其他所有参数，例如HR。
扩展资料
试验组的mOS相对难以估计。因为既然是试验组，通常该治疗方案研究比较少，可直接参考的同类研究更少，如果没有，一般可借助于以下几种间接方法：
1) 参考前期试验数据。在药物研究过程中，一般会有前期小规模试验的数据，可以对其效果进行参考。如果前期试验使用的结局也是OS，可以直接参考，如果是ORR，DCR，PFS等数据，可以对比其他药物的前期试验这些指标的数据，如果表现更好，那么有理由相信OS也会比该药物OS要好。
需注意，前期试验的样本量一般较小，另外ORR、DCR、PFS等指标与OS的相关性未必很强，因此不能完全相信前期试验结果。
2) 参考无对照研究。在临床研究中，临床大夫经常会把科里接受过该治疗的患者的治疗情况进行汇总发表。这些研究一般没有对照组，样本量也不够大，甚至很多是回顾性的研究。对于这样的研究，应该尽可能多找到，比对结果，可以利用Meta分析的方法求得其合并值用于参考。
3) 参考其他干预措施的效果。可以将待研究的干预措施机理与其他干预措施机理进行比较，然后根据其他干预措施既有的大型试验结果反推。例如，国外一新型抗癌药已经上市，其患者mOS为11个月，而待评价的干预措施机理上不太可能优于该新药，因此估计其mOS小于11个月相对是合理的。
4) 由HR反推。有时研究者会发现一些研究仅给出了HR的参考，那么可以依据上文公式反推试验组mOS。
5) 研究者的信心和可用资源。所有的估计都只能给出一个大概的范围，不可能得到精确的结果。但是参考的途径多了，估计的范围会逐渐缩窄。最终估计值的确定，不可避免受到主观猜测（基于临床经验）以及可用资源的影响，这正是临床试验的风险所在，不可回避。