【科研】如何确定临床实验设计中的样本量.pdf

【科研】如何确定临床实验设计中的样本量？ 在临床实验研究中，无论是实验组还是对照组都需 要有一定数量的受试对象。这是因为同一种实验处理在不同 的受试对象身上表现出的实验效应是存在着变异的。仅凭一 次实验观测结果或单个受试者所表现出来的实验效应说明 不了什么问题。必须通过一定数量的重复观测才能把研究总 体真实的客观规律性显示出来，并且可以对抽样误差做出客 观地估计。但重复观测次数越多 ( 即样本含量越大 )试验所要 消耗的人力、物力、财力和时间越多，可能会使试验研究成 为不可能。而且，样本含量过大还会增加控制试验观测条件 的难度，有可能引入非随机误差， 给观测结果带来偏性 (bias) 。 所以在实验设计中落实重复原则的一个重要问题就是如何 科学合理确定样本量。由于在各对比组例数相等时进行统计 推断效能最高，因此多数情况下都是按各组样本含量相等来 估计。但在个别情况下，也可能要求各组样本含量按一定比 例来估计。 1 与样本含量估计有关的几个统计学参数 在估计样本含量之前，首先要对以下几个统计学参数加以确 定或作出估计。 1.1 规定有专业意义的差值 δ，即所比较的两总体参数值相 差多大以上才有专业意义。δ 是根据实验目的人为规定的， 但必须有一定专业依据。习惯上把 δ称为分辨力或区分度。 δ值越小表示对二个总体参数差别的区分度越强，因而所需 样本含量也越大。 1.2 确定作统计推断时允许犯Ⅰ类错误 ( “弃真”的错误)的概率 α，即当对比的双方总体参数值没有差到 δ。但根据抽样观测 结果错误地得出二者有差别的推断结论的可能性，α 确定的 越小，所需样本含量越大。在确定 α时还要注意明确是单侧 检验的 α，还是双侧检验的 α。在同样大小的 α条件下；双 侧检验要比单侧检验需要更大的样本含量。 1.3 提出所期望的检验效能 power ，用 1- β表示。β 为允许 犯Ⅱ类错误 ( “取伪”的错误)的概率。检验效能就是推断结论不 犯Ⅱ类错误的概率 1- β称把握度。即当对比双方总体参数值 间差值确实达到 δ以上时， 根据抽样观测结果在规定的 α水 准上能正确地作出有差别的推断结论的可能性。在科研设计 中常把 1- β定为 0.90 或 0.80 。一般来说 1- β不宜低于 0.75 ， 否则可能出现非真实的阴性推断结论。 1.4 给出总体标准差 σ或总体率 π的估计值。 它们分别反映 计量数据和计数数据的变异程度。一般是根据前人经验或文 献报道作出估计。如果没有前人经验或文献报道作为依据， 可通过预实验取得样本的标准差 s 或样本率 P 分别作为 σ和 π的估计值。 σ的估计值越大， π的估计值越接近 0.5 ，所需 样本含量越大。 在对以上统计学参数作出规定或估计的前提下，就可以根据 不同的推断内容选用相应的公式计算出所需样本含量。由于 在同样的要求和条件下完全随机设计 (成组设计 )所需样本含 量最大，故一般都要按完全随机设计作出样本含量的估计。 2 常用的估计样本含量的方法 2.1 两样本均数比较时样本含量估计方法 (1) 两样本例数要求相等时可按下列公式估算每组需观察的 例数 n 。 n ＝2*[(