书上说：
读者应该在报告中看到样本量的估计是如何得来的。事实上，试验报告中的可信区间充分体现了把握度。然而，样本量计算仍提供了重要的信息。第一，它们规定了主要终点，这样可以保证结局变量不会改变，同时防止突出与非主要结局变量相关的明显效应。第二，知道了计划的样本量可以使读者对潜在的问题产生警觉。试验面临了募集困难？试验因统计学显著的结果提前终止？如果是这样的话，那作者应该提供正式的统计学终止标准。提供预计的样本量，尽管其带着些主观性，却是为了透明报道而做的基础工作。
报告的低把握度或不报告样本量计算通常不是致命的错误。低把握度反映了方法学知识的缺乏，但也可能暗示了潜在参与者数目不足。即使是基于低把握度，样 本量的计算仍能提供上述提及的重要信息。如果作者忽视描述预计样本量的计算，那么读者该怎么办？读者应该谨慎地解释结果，因为缺少主要终点的信息和中止标准。此外，忽视报告样本量的计算暗示了方法学的无知，这可能成为其他问题的先兆。
听我说：
作为研究人员，往往计算样本量的时候，是为了看看需要多少样本能证明自己的研究。而我们作为读者来说，不需要去管究竟需要多少样本量，我们必须明白，样本量不足是不会产生偏倚的，所有的随机误差都应该透明地体现在可信区间和P上。当我们作为读者，最严重的问题应该是没有被揭示出来的系统误差，这将极可 能会误导我们。
你可以：
多看看别人的东西，去检验样本量计算的各种假设。例如，更小的效应可能比预期的效应大小更有价值，需要注意效应大小相关的低把握度试验。