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。