生存预测模型样本量计算（完善中）

预测模型的样本量计算一直都是困扰笔者很久的问题
一般临床预测模型常见的有两类：非时间因素/包含时间因素
举例来说，非时间因素建模常见于logistic/lasso等回归模型之后，时间因素相关的结局变量常见于cox等模型建模后。
如果选用logistic模型，可使用的思路为：
1、根据自变量数目进行预测，根据自变量（即构建模型的自变量）数量，10-20倍区间的样本量均可。具体理论后续补充或完善。
2、将预测模型视为临床研究的思路，即A模型比B模型能提高结局的预测能力，即在某一类人群中（高危？or 低危？）模型的预测准确度提高了多少。即ROC提高了多少，通过软件ROC可以计算。计算方法 PASS软件可以实现，需强调的是，需要输入阳性与阴性事件发生的概率比值。
包含时间因素：例如cox等，本身似乎并不存在相应的计算方式，所以不要有太高的指望。有的话请统计大佬不吝赐教。
考虑到实际应用的问题，将时间因素降维到时间节点后有退化的方式
包括
1、特殊事件点的事件预测能力，将时间退化到时间节点后预测ROC的提高程度。
eg 患者活到3年的概率为（3年OS率），如果从10%提高到20%，需要的样本量是多少，将预测模型作为一个干预变量进行设计。