Veröffentlicht | Letzte Aktualisierung:

Editverse bietet einen kostenlosen Stichprobenrechner, der die erforderliche Stichprobengröße von 71 für einen Einstichproben-t-Test mit Powerkurve, Verteilungsüberlappung und Sensitivitätsanalysediagrammen anzeigt.
Kostenloser Stichprobenrechner für die medizinische Forschung – Berechnen Sie die benötigte Teilnehmerzahl für klinische Studien und statistische Untersuchungen.

Der Editverse Sample Size Calculator ist ein kostenloses, webbasiertes Tool zur Poweranalyse, das speziell für medizinische Forscher, Studienleiter und Wissenschaftler entwickelt wurde, die präzise Stichprobenberechnungen ohne komplexe Software oder teure Lizenzen benötigen. Ob Sie eine randomisierte kontrollierte Studie planen, eine diagnostische Studie konzipieren oder einen Förderantrag vorbereiten – diese umfassende Anleitung führt Sie Schritt für Schritt durch die Nutzung dieses leistungsstarken Tools.

Warum sollte man den Editverse-Stichprobenrechner verwenden?

Die Berechnung der Stichprobengröße ist einer der wichtigsten Schritte bei der Planung klinischer Studien. Eine zu kleine Studie verschwendet Ressourcen und kann relevante Behandlungseffekte verfehlen, während eine zu große Studie mehr Teilnehmer einschließt als nötig. Der Editverse-Rechner löst dieses Problem durch validierte statistische Formeln in einer intuitiven, benutzerfreundlichen Oberfläche, die auf jedem Gerät funktioniert.

Bevor wir uns der Schritt-für-Schritt-Anleitung widmen, wollen wir verstehen, was diesen Rechner von anderen verfügbaren Tools zur Poweranalyse abhebt. Der Editverse Sample Size Calculator bietet 15 statistische Tests, die die gängigsten Forschungsdesigns in der medizinischen Forschung abdecken – von einfachen t-Tests bis hin zu komplexen Überlebenszeitanalysen und ROC-Kurvenberechnungen.

Hauptmerkmale auf einen Blick: 15 statistische Tests werden unterstützt, 100% kostenlos und ohne Registrierung nutzbar, interaktive Visualisierungen inklusive Powerkurven und Verteilungsüberlappungsdiagrammen, integrierte Ausfallkorrektur und Generierung eines publikationsfertigen Berichts mit Methodentext, den Sie direkt in Ihr Manuskript einfügen können.

Der Rechner verwendet dieselben validierten statistischen Formeln wie G*Power und Methoden, die von PubMed und Cochrane empfohlen werden , um sicherzustellen, dass Ihre Begründungen für die Stichprobengröße den strengen Standards entsprechen, die von Ethikkommissionen, Gutachtern von Förderanträgen und Zeitschriftenherausgebern erwartet werden.

So greifen Sie auf den Editverse-Stichprobenrechner zu

Der Einstieg ist ganz einfach. Rufen Sie den Rechner unter https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/ auf . Das Tool lädt sofort in Ihrem Browser – Registrierung, Download oder Installation sind nicht erforderlich. Es funktioniert reibungslos auf Desktop-Computern, Tablets und Mobilgeräten und ist somit für Forschende in verschiedenen Arbeitsumgebungen bestens geeignet.

Wenn Sie auf die Seite gelangen, sehen Sie eine übersichtliche zweispaltige Benutzeroberfläche: links das Eingabeformular, in dem Sie Ihre Studienparameter eingeben, und rechts das Ergebnisfeld, das Ihre berechnete Stichprobengröße zusammen mit interaktiven Visualisierungen anzeigt.

Schritt-für-Schritt-Anleitung zur Berechnung der Stichprobengröße: Auswahl des passenden statistischen Tests

Der erste und wichtigste Schritt ist die Auswahl des geeigneten statistischen Tests für Ihre Studie. Der Rechner ordnet seine 15 Tests in intuitive Kategorien ein, damit Sie schnell den richtigen finden.

Vergleich der Mitteltests

Wenn Ihr primäres Ergebnis eine kontinuierliche Variable ist und Sie Gruppen vergleichen, wählen Sie aus diesen Optionen:

Zwei-Stichproben-T-Test (zwei Gruppen): Wählen Sie diesen Test, wenn Sie Mittelwerte zwischen zwei unabhängigen Gruppen vergleichen, z. B. zwischen Behandlungsgruppe und Kontrollgruppe in einer randomisierten Parallelgruppenstudie. Dies ist der am häufigsten verwendete Test in der klinischen Forschung. Ein Beispiel hierfür ist der Vergleich der mittleren Blutdrucksenkung bei Patienten, die ein neues Antihypertensivum erhalten, im Vergleich zu Patienten, die ein Placebo erhalten.

Gepaarter T-Test: Wählen Sie diesen Test für Vorher-Nachher-Messungen an denselben Probanden, z. B. die Messung des HbA1c-Werts vor und nach einer Ernährungsumstellung bei denselben Patienten. Dieses Studiendesign erfordert typischerweise kleinere Stichprobenumfänge, da jeder Proband als seine eigene Kontrollgruppe dient.

Einstichproben-T-Test: Verwenden Sie diesen Test, wenn Sie den Mittelwert Ihrer Stichprobe mit einem bekannten Populationswert oder einem theoretischen Vergleichswert vergleichen.

ANOVA (3+ Gruppen): Wählen Sie ANOVA, wenn Sie Mittelwerte von drei oder mehr Gruppen gleichzeitig vergleichen, z. B. drei verschiedene Dosierungsschemata eines Medikaments.

Proportionstests

Zwei Proportionen (Chi-Quadrat-Test): Wählen Sie diese Option zum Vergleich binärer Ergebnisse zwischen Gruppen, wie z. B. Ansprechraten, Mortalitätsraten oder die Häufigkeit unerwünschter Ereignisse. Dieser Test ist unerlässlich für Studien, deren Ergebnis Ja/Nein, Erfolg/Misserfolg oder Ereignis/kein Ereignis ist.

Einzelanteil: Wird verwendet, wenn ein Einzelanteil geschätzt oder mit einem hypothetischen Wert verglichen wird.

Studiendesigns

Der Rechner beinhaltet drei spezialisierte Studiendesigns für klinische Studien, die unterschiedliche Forschungsfragen behandeln:

Überlegenheitsstudie: Das Standarddesign, bei dem nachgewiesen werden soll, dass die neue Behandlung besser ist als die Vergleichsbehandlung.

Nichtunterlegenheitsstudie: Diese Studie eignet sich, wenn nachgewiesen werden soll, dass eine neue Behandlung klinisch nicht schlechter ist als eine etablierte Behandlung. Dabei muss eine Nichtunterlegenheitsgrenze festgelegt werden – die größte akzeptable Differenz, die noch als klinisch gleichwertig gilt.

Äquivalenzstudie: Wählen Sie diese Option, wenn Sie nachweisen müssen, dass zwei Behandlungen innerhalb definierter Toleranzgrenzen therapeutisch gleichwertig sind.

💡 Pro-Tipp: Nichtunterlegenheitsstudien erfordern in der Regel größere Stichprobenumfänge als Überlegenheitsstudien, da die Unterlegenheit mit hoher Sicherheit ausgeschlossen werden muss. Berücksichtigen Sie dies bei der Budgetplanung für Ihre Studie.

Überlebensanalyse

Log-Rank-Test (Überleben): Unverzichtbar für die Analyse von Zeit-bis-Ereignis-Endpunkten wie Gesamtüberleben, progressionsfreiem Überleben oder Zeit bis zum Krankheitsrezidiv. Dieser Test verwendet Hazard-Ratios und Ereigniswahrscheinlichkeiten, um die erforderliche Anzahl an Patienten und Ereignissen zu berechnen.

Korrelation und Regression

Korrelation (Pearson/Spearman): Für Studien, die den Zusammenhang zwischen zwei stetigen Variablen untersuchen.

Lineare Regression: Wenn Sie ein kontinuierliches Ergebnis mit mehreren Prädiktoren modellieren und die Stichprobengröße auf der Grundlage der erwarteten R²-Werte bestimmen möchten.

Logistische Regression: Zur Modellierung binärer Ergebnisse mit mehreren Prädiktoren.

Diagnostische Studien

Sensitivität/Spezifität: Für Validierungsstudien diagnostischer Tests, bei denen Sensitivität und Spezifität mit der gewünschten Präzision geschätzt werden müssen.

ROC-Kurve (AUC): Beim Vergleich der Unterscheidungsfähigkeit von Diagnosetests anhand der Fläche unter der Receiver Operating Characteristic-Kurve.

Berechnung der Stichprobengröße: Statistische Parameter – Vorbereitung Ihrer Analyse

Nachdem Sie Ihren Test ausgewählt haben, konfigurieren Sie die wichtigsten statistischen Parameter, die Ihre Poweranalyse bestimmen. Das Verständnis dieser Parameter ist entscheidend für eine genaue Berechnung des Stichprobenumfangs.

Signifikanzniveau (α)

Das Signifikanzniveau gibt Ihre Toleranz für Fehler 1. Art an – die Wahrscheinlichkeit, fälschlicherweise einen Effekt anzunehmen, obwohl keiner existiert. Der Rechner bietet drei Optionen:

α = 0.05 (5%): Der Standard in der medizinischen Forschung und für die meisten Studien empfohlen.

α = 0.01 (1 %): Strengeres Kriterium, angewendet bei schwerwiegenden falsch-positiven Ergebnissen. Erfordert größere Stichprobenumfänge.

α = 0.10 (10%): Lockerere Kriterien, die manchmal in explorativen Studien oder Pilotstudien verwendet werden.

Statistische Power (1-β)

Die Teststärke gibt die Wahrscheinlichkeit an, einen tatsächlichen Effekt zu erkennen, falls ein solcher existiert. Sie ist das Komplement des Fehlers 2. Art (β), also der Wahrscheinlichkeit, einen tatsächlichen Effekt zu übersehen.

80 % statistische Aussagekraft: Der übliche Mindeststandard für die meisten klinischen Studien. Das bedeutet, dass die Wahrscheinlichkeit, einen tatsächlichen Behandlungseffekt nachzuweisen, bei 80 % liegt.

90 % Power: Empfohlen für definitive Studien, Zulassungsanträge und Studien mit hohem Einsatz, bei denen das Nichterkennen eines Effekts schwerwiegende Konsequenzen hätte.

70 %, 85 %, 95 %: Verfügbar für besondere Umstände, Pilotstudien oder wenn die Ressourcen ein höheres Vertrauen ermöglichen.

⚠️ Häufiger Fehler: Verwenden Sie 80 % der erwarteten statistischen Aussagekraft, wenn Ihr Fördergeber oder die Aufsichtsbehörde 90 % verlangt. Klären Sie die Anforderungen an die statistische Aussagekraft stets mit den relevanten Akteuren ab, bevor Sie die Berechnung Ihres Stichprobenumfangs abschließen.

Testart (einseitig vs. zweiseitig)

Zweiseitiger Test: Verwenden Sie diese Option, wenn der Behandlungseffekt in beide Richtungen gehen kann (besser oder schlechter als die Kontrollgruppe). Dies ist für die meisten klinischen Studien angemessen und die standardmäßige konservative Wahl.

Einseitiger Test: Wählen Sie diesen Test nur, wenn Sie starke Vorbefunde haben, die belegen, dass der Effekt nur in eine Richtung wirken kann, oder wenn Sie explizit nur an der Feststellung einer Verbesserung interessiert sind. Einseitige Tests erfordern kleinere Stichprobenumfänge, sind aber wissenschaftlich schwieriger zu begründen.

Zuteilungsverhältnis

Das Zuteilungsverhältnis bestimmt, wie die Teilnehmer auf die Gruppen verteilt werden:

1:1: Gleiche Aufteilung auf Behandlungs- und Kontrollgruppen. Dies ist das statistisch effizienteste Studiendesign und wird für die meisten Studien empfohlen.

2:1: Zwei Teilnehmer in der Behandlungsgruppe auf jeden Teilnehmer in der Kontrollgruppe. Nützlich, wenn mehr Sicherheitsdaten zur experimentellen Behandlung benötigt werden.

3:1 oder 1:2: Ungleiche Zuteilung aufgrund besonderer Umstände, z. B. wenn Kontrollbehandlungen teuer oder für viele Patienten unethisch wären.

Stichprobenrechner: Eingabe testspezifischer Parameter

Jeder statistische Test erfordert spezifische Eingabewerte. Hier erfahren Sie, wie Sie diese Parameter für die gängigsten Tests bestimmen.

Parameter des Zwei-Stichproben-T-Tests

Zum Vergleich zweier Gruppenmittelwerte benötigen Sie drei Schlüsselwerte:

Erwarteter Mittelwert (Gruppe 1): Der zu erwartende mittlere Wert in Ihrer Kontroll- oder Referenzgruppe. Diesen Wert stützen Sie auf veröffentlichte Literatur, Pilotdaten oder klinische Erfahrung.

Erwarteter Mittelwert (Gruppe 2): Der erwartete mittlere Behandlungseffekt in Ihrer Behandlungsgruppe. Die Differenz zwischen den Mittelwerten von Gruppe 1 und Gruppe 2 entspricht dem erwarteten Behandlungseffekt.

Standardabweichung (gepoolt): Die erwartete Variabilität Ihres Ergebnisparameters. Diese kann aus früheren Studien, Pilotdaten oder veröffentlichten Normwerten stammen.

In einer Blutdruckstudie könnte man beispielsweise Folgendes angeben: Mittelwert der Kontrollgruppe = 140 mmHg, Mittelwert der Behandlungsgruppe = 130 mmHg, Standardabweichung = 20 mmHg. Dies entspricht einer erwarteten Senkung des Blutdrucks um 10 mmHg durch die Intervention.

Leitfaden zur Effektstärke (Cohens d): Kleiner Effekt = 0.2 (subtil, aber potenziell bedeutsam), mittlerer Effekt = 0.5 (mäßig, bei genauer Beobachtung sichtbar), großer Effekt = 0.8 (erheblich, deutlicher Unterschied). Die meisten klinischen Interventionen erzielen kleine bis mittlere Effekte; planen Sie daher entsprechend.

Chi-Quadrat-Parameter (zwei Anteile)

Um binäre Ergebnisse zu vergleichen, geben Sie den erwarteten Anteil in jeder Gruppe als Prozentsatz an. Wenn Sie beispielsweise eine Ansprechrate von 30 % in der Kontrollgruppe und 50 % in der Behandlungsgruppe erwarten, geben Sie 30 bzw. 50 ein.

Parameter der Nichtunterlegenheitsstudie

Nichtunterlegenheitsstudien erfordern zusätzliche Parameter:

Nichtunterlegenheitsgrenze (Δ): Die größte Differenz, die klinisch noch akzeptabel wäre. Beispiel: Bei der Prüfung eines neuen Antibiotikums und einer Heilungsrate der Standardbehandlung von 90 % könnte man eine Grenze von 10 % festlegen. Das bedeutet, man würde das neue Medikament akzeptieren, wenn seine Heilungsrate mindestens 80 % beträgt.

Erwartete tatsächliche Differenz: Ihre beste Schätzung der tatsächlichen Differenz zwischen den Behandlungen. Wird für die Berechnung des Stichprobenumfangs häufig mit null angenommen (wahre Äquivalenz).

Parameter der Überlebenszeitanalyse (Log-Rank-Test)

Hazard Ratio: Das Verhältnis der Gefährdungsraten zwischen Gruppen. Eine Hazard Ratio von 0.7 bedeutet, dass die Behandlung das Risiko des Ereignisses im Vergleich zur Kontrollgruppe um 30 % reduziert.

Ereigniswahrscheinlichkeit: Der erwartete Anteil der Teilnehmer, bei denen das Ereignis während des Studienzeitraums auftreten wird.

ROC/AUC-Parameter

Für diagnostische Teststudien:

Erwartete AUC: Ihre erwartete Fläche unter der ROC-Kurve. Werte zwischen 0.7 und 0.8 deuten auf eine akzeptable Diskriminierungsfähigkeit hin, Werte über 0.8 auf eine exzellente.

Null-AUC: Wird üblicherweise auf 0.5 gesetzt und repräsentiert den Zufall (keine Unterscheidungsfähigkeit).

Anpassung an Studienabbrüche: Planung für reale Studienabbrüche

In klinischen Studien kommt es unweigerlich zu Studienabbrüchen aufgrund von unerwünschten Ereignissen, Verlust der Nachbeobachtung, Protokollverstößen und anderen Faktoren. Der Editverse-Rechner verfügt über eine integrierte Funktion zur Anpassung der Abbruchrate, um sicherzustellen, dass Sie genügend Teilnehmer rekrutieren, um eine ausreichende statistische Aussagekraft zu gewährleisten.

Die Standard-Abbruchquote beträgt 10 %, was für viele Kurzzeitstudien angemessen ist. Sie sollten diese jedoch anhand folgender Kriterien anpassen:

Studiendauer: Längere Studien weisen typischerweise höhere Abbruchquoten auf.

Krankheitspopulation: Bei schweren oder fortschreitenden Krankheiten kann es aufgrund von Verschlechterung des Gesundheitszustands oder Tod zu einem höheren Ausfall kommen.

Behandlungsbelastung: Komplexe Interventionen mit häufigen Besuchen oder invasiven Eingriffen können zu höheren Abbruchraten führen.

Historische Daten: Prüfen Sie ähnliche veröffentlichte Studien, um realistische Abbruchquoten zu ermitteln.

Der Rechner erhöht automatisch die benötigte Stichprobengröße anhand der Formel: Angepasste Stichprobengröße = Benötigte Stichprobengröße ÷ (1 – Ausfallrate). Wenn Sie beispielsweise 100 Teilnehmer pro Gruppe benötigen und mit einer Ausfallrate von 20 % rechnen, sollten Sie 125 Teilnehmer pro Gruppe rekrutieren.

Interpretation der Ergebnisse Ihres Stichprobenrechners

Nach dem Klicken auf „Stichprobenumfang berechnen“ erscheinen die Ergebnisse sofort im türkisfarbenen Feld auf der rechten Seite des Bildschirms. So interpretieren Sie die einzelnen Elemente:

Erforderliche Stichprobengröße: Die Anzahl der Teilnehmer pro Gruppe, die benötigt wird, um die gewünschte Teststärke bei dem gewählten Signifikanzniveau zu erreichen.

Gesamtzahl der Teilnehmer: Die kombinierte Stichprobengröße aller Gruppen. Bei einem Zwei-Gruppen-Design mit 1:1-Zuteilung entspricht dies dem Doppelten des Bedarfs pro Gruppe.

Bereinigt um Studienabbrüche: Ihr Rekrutierungsziel unter Berücksichtigung der erwarteten Abbrecherquote. Dies ist die Zahl der Studierenden, die Sie anstreben sollten.

Die interaktiven Diagramme verstehen

Der Rechner generiert drei Visualisierungen, die Ihnen helfen, Ihre Stichprobenberechnung zu verstehen und zu kommunizieren:

Powerkurve: Dieses Diagramm zeigt, wie die statistische Power mit zunehmender Stichprobengröße steigt. Die x-Achse gibt die Stichprobengröße pro Gruppe an, die y-Achse die Power in Prozent. Sie können damit erkennen, wie nahe Sie dem „Knick“ der Kurve sind, an dem die Power rapide ansteigt, oder untersuchen, was passiert, wenn Sie nur eine kleinere Stichprobe rekrutieren können.

Verteilungsüberlappung: Diese Visualisierung zeigt die erwarteten Verteilungen Ihrer beiden Gruppen und deren Überlappungsgrad. Eine geringere Überlappung deutet auf eine größere Effektstärke und eine leichtere Erkennung hin. Dies ist besonders hilfreich, um Nicht-Statistikern in Ihrem Forschungsteam Konzepte zur Stichprobengröße zu erläutern.

Sensitivitätsanalyse: Diese Grafik zeigt, wie sich der erforderliche Stichprobenumfang bei unterschiedlichen Signifikanzniveaus (α = 0.01, 0.05, 0.10) verändert. Die drei Linien verdeutlichen den Zielkonflikt zwischen der Kontrolle des Fehlers 1. Art und dem erforderlichen Stichprobenumfang.

Erstellung von publikationsfertigen Berichten

Eine der wertvollsten Funktionen des Editverse-Rechners ist die Möglichkeit, eine vollständige, publikationsreife Dokumentation Ihrer Stichprobenberechnung zu erstellen. Klicken Sie auf die Schaltfläche „Bericht“, um ein Fenster mit der ausführlichen Dokumentation zu öffnen.

Der Bericht enthält mehrere Abschnitte, die Sie direkt in Ihren Förderantrag, Ihre Ethikerklärung oder den Methodenteil Ihres Manuskripts kopieren können:

Studiendesign: Dokumentiert den gewählten statistischen Test und die Richtung der Hypothese.

Parameter: Listet alle Eingabewerte auf, einschließlich Signifikanzniveau, Teststärke, Effektstärken und testspezifische Parameter.

Ergebnis: Die berechneten Stichprobenumfangsanforderungen werden klar angegeben.

Abbrecherquote-Anpassung: Zeigt Ihre voraussichtliche Abbrecherquote und das angepasste Rekrutierungsziel an.

Methodentext: Bietet einen vorgefertigten Absatz, der sich für den Methodenteil Ihres Manuskripts eignet. Zum Beispiel: „Die Stichprobengröße wurde mithilfe eines t-Tests für unabhängige Stichproben berechnet, wobei ein zweiseitiges Signifikanzniveau von 0.05 und eine Teststärke von 80 % angenommen wurden. Basierend auf einer erwarteten mittleren Differenz von 10 mmHg mit einer gepoolten Standardabweichung von 20 mmHg werden 64 Teilnehmer pro Gruppe (insgesamt 128) benötigt. Unter Berücksichtigung eines Ausfalls von 15 % planen wir, 151 Teilnehmer einzuschließen.“

Sie können den Bericht in Ihre Zwischenablage kopieren, um ihn in andere Dokumente einzufügen, oder ihn als Textdatei für Ihre Unterlagen herunterladen.

Zitat für den Stichprobenrechner: So zitieren Sie das Tool

Die korrekte Angabe Ihres Berechnungsinstruments für die Stichprobengröße ist wichtig für Reproduzierbarkeit und Transparenz. Hier finden Sie Zitationsformate für verschiedene Stile:

Im Text (Methodenteil): „Die Stichprobengröße wurde mit dem Editverse Sample Size Calculator (Editverse, 2025), einem validierten Online-Tool zur Poweranalyse für die medizinische Forschung, berechnet.“

APA 7. Auflage: Editverse. (2025). Editverse Stichprobenrechner [Online-Tool]. https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/

Vancouver/ICMJE: Editverse. Editverse Sample Size Calculator [Internet]. 2025 [zitiert am 6. Januar 2025]. Verfügbar unter: https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/

Stichprobenrechner – Praktisches Beispiel: Blutdruckmessung

Lassen Sie uns ein vollständiges Beispiel durchgehen, um die Funktionsweise des Rechners zu demonstrieren.

Szenario: Sie planen eine randomisierte, kontrollierte Studie, in der ein neues Antihypertensivum mit einem Placebo verglichen wird. Ihr primärer Endpunkt ist die Veränderung des systolischen Blutdrucks vom Ausgangswert bis zur 12. Woche.

Schritt 1: Wählen Sie im Dropdown-Menü „Zwei-Stichproben-T-Test (Zwei Gruppen)“ aus.

Schritt 2: Statistische Parameter festlegen: Signifikanzniveau = 0.05 (5%), Teststärke = 80%, Testart = Zweiseitig, Zuteilungsverhältnis = 1:1.

Schritt 3: Testspezifische Parameter eingeben: Erwarteter Mittelwert Gruppe 1 (Kontrollgruppe) = 140 mmHg, Erwarteter Mittelwert Gruppe 2 (Behandlungsgruppe) = 130 mmHg, Standardabweichung = 20 mmHg. Diese Werte lassen auf eine zu erwartende Senkung des Blutdrucks um 10 mmHg durch die Behandlung schließen.

Schritt 4: Passen Sie die Abbruchrate auf 15 % an, basierend auf ähnlichen veröffentlichten Studien in Ihrem Therapiegebiet.

Schritt 5: Klicken Sie auf „Stichprobengröße berechnen“.

Ergebnis: Der Rechner zeigt, dass Sie 64 Teilnehmer pro Gruppe benötigen (insgesamt 128). Unter Berücksichtigung einer Ausfallquote von 15 % sollten Sie insgesamt 151 Teilnehmer rekrutieren (76 pro Gruppe).

Schritt 6: Klicken Sie auf „Bericht“, um die Dokumentation für Ihre Einreichung beim Ethikkomitee und Ihren Förderantrag zu generieren.

Vergleich der Stichprobenrechner: Editverse vs. andere Tools

Wie schneidet der Editverse-Rechner im Vergleich zu anderen gängigen Optionen ab? Hier ist ein detaillierter Vergleich:

FunktionEditverseG*PowerPS PowerOpenEpi
Preis✓ KostenlosFreiFreiFrei
Plattform✓ WebbasiertNur DesktopNur DesktopWeb
Mobil-freundlich✓ Ja✗ Nein✗ NeinBegrenzt
Studiendesigns✓ Alle 3 TypenBegrenztJa✗ Nein
Überlebensanalyse✓ Log-RankJaJa✗ Nein
Interaktive Diagramme✓ JaJa✗ Nein✗ Nein
Veröffentlichungsberichte✓ Ja✗ Nein✗ Nein✗ Nein
Ausfallkorrektur✓ EingebautHandbuch Handbuch ✗ Nein
ROC/AUC-Analyse✓ Ja✗ Nein✗ Nein✗ Nein

Tipps für Ethikkommissionen und Förderanträge

Die Begründung der Stichprobengröße ist ein entscheidender Bestandteil von Ethikgutachten und Förderanträgen. Gutachter prüfen diesen Abschnitt sorgfältig. So präsentieren Sie eine überzeugende Begründung:

Begründen Sie Ihre Effektstärke: Geben Sie nicht nur den erwarteten Effekt an, sondern erläutern Sie, warum Sie ihn erwarten. Beziehen Sie sich auf Pilotdaten, veröffentlichte Literatur oder erläutern Sie die minimal klinisch relevante Differenz, die Sie nachweisen möchten. Gutachter hinterfragen häufig optimistische Annahmen zur Effektstärke.

Erläutern Sie Ihre statistischen Parameter: Begründen Sie kurz Ihre Wahl des Signifikanzniveaus (α) und der Teststärke. In den meisten Studien sind α = 0.05 und eine Teststärke von 80 % üblich. Erklären Sie jedoch, falls Sie davon abgewichen sind und warum.

Berücksichtigen Sie realistische Studienabbrüche: Zeigen Sie, dass Sie den Studienabbruch anhand von Erkenntnissen aus ähnlichen Studien berücksichtigt haben. Nutzen Sie den integrierten Schieberegler für Studienabbrüche, um angepasste Rekrutierungsziele zu generieren.

Alle Parameter angeben: Die Gutachter müssen Ihre Berechnungen überprüfen können. Geben Sie daher alle Eingabeparameter in Ihrer Einreichung an, damit sie Ihr Ergebnis nachvollziehen können.

Nutzen Sie die Berichtsfunktion: Erstellen Sie mit der Exportfunktion des Rechners einen vollständigen Bericht. So stellen Sie sicher, dass keine wichtigen Informationen verloren gehen und erhalten eine professionelle, standardisierte Dokumentation.

Häufig gestellte Fragen zur Berechnung der Stichprobengröße

Was ist Stichprobenberechnung und warum ist sie wichtig?

Die Berechnung des Stichprobenumfangs bestimmt die Mindestanzahl an Teilnehmenden, die erforderlich ist, um einen statistisch signifikanten Effekt in Ihrer Studie nachzuweisen. Sie ist unerlässlich, da eine zu geringe Teilnehmerzahl dazu führen kann, dass Ihrer Studie die statistische Aussagekraft fehlt, um einen tatsächlichen Effekt zu finden (Fehler 2. Art), während eine zu hohe Teilnehmerzahl Ressourcen verschwendet und unnötige Teilnehmende experimentellen Interventionen aussetzt.

Wie berechne ich die Stichprobengröße für eine klinische Studie?

Wählen Sie im Editverse-Rechner Ihr Studiendesign (Überlegenheits-, Nichtunterlegenheits- oder Äquivalenzstudie) aus, geben Sie die erwartete Behandlungsdifferenz, die Standardabweichung, das Signifikanzniveau (typischerweise α = 0.05) und die Teststärke (üblicherweise 80 % oder 90 %) ein. Der Rechner ermittelt sofort die benötigte Teilnehmerzahl pro Studienarm.

Welche statistische Aussagekraft sollte ich verwenden?

Üblicherweise wird für die meisten klinischen Studien eine Teststärke von 80 % angestrebt. Das bedeutet, dass die Wahrscheinlichkeit, einen tatsächlichen Effekt nachzuweisen, bei 80 % liegt, sofern ein solcher existiert. Für definitive Studien, Zulassungsanträge oder wenn die Kosten eines übersehenen Effekts hoch sind, sollte eine Teststärke von 90 % verwendet werden. Eine höhere Teststärke erfordert größere Stichprobenumfänge.

Welche Effektstärke sollte ich verwenden?

Bestimmen Sie die Effektstärke anhand von Pilotdaten aus Ihren eigenen Vorstudien, veröffentlichter Literatur zu ähnlichen Interventionen oder der minimalen klinisch relevanten Differenz, die eine Änderung der klinischen Praxis zur Folge hätte. Die Richtlinien von Cohen (d = 0.2 klein, 0.5 mittel, 0.8 groß) können hilfreich sein, die klinische Relevanz sollte jedoch ausschlaggebend sein.

Ist der Editverse-Rechner im Vergleich zu G*Power genau?

Ja. Der Editverse-Rechner verwendet dieselben validierten statistischen Formeln wie G*Power und andere etablierte Tools. Bei gleichen Eingabeparametern sind die Ergebnisse gleichwertig. Editverse zeichnet sich durch seine einfache Bedienbarkeit, die publikationsreifen Berichte und integrierte Funktionen wie die Ausfallkorrektur aus.

Professionelle statistische Unterstützungsdienste

Der Editverse Sample Size Calculator eignet sich zwar für die meisten einfachen Poweranalysen, doch manche Forschungsdesigns erfordern eine spezialisierte statistische Beratung. Komplexe adaptive Designs, hierarchische Modelle oder ungewöhnliche Ergebnisverteilungen können die Unterstützung von Experten notwendig machen.

Statistische Analyse der Dissertation

$600

Vollständige statistische Analyse für Doktorarbeiten

Details anzeigen →

Eigenständige Metaanalyse

$1,000

Professionelle Metaanalyse mit Waldplots

Details anzeigen →

Methodikberatung

$400

Expertenberatung zum Forschungsdesign

Details anzeigen →

H-Index Starterpaket

$2,495

SR + Meta-Analyse-Paket

Details anzeigen →

Fazit

Der Editverse-Stichprobenrechner bietet medizinischen Forschern ein leistungsstarkes und leicht zugängliches Werkzeug zur Planung statistisch fundierter Studien. Durch das Verständnis der Kernkonzepte der Poweranalyse und mithilfe dieser umfassenden Anleitung können Sie die geeigneten Stichprobengrößen für Ihre klinischen Studien, Beobachtungsstudien und diagnostischen Forschungsarbeiten sicher bestimmen.

Bedenken Sie, dass die Berechnung der Stichprobengröße keine einmalige Aufgabe ist. Überprüfen Sie Ihre Berechnungen regelmäßig, wenn sich Ihr Studiendesign in der Planungsphase weiterentwickelt, um sicherzustellen, dass Ihre Rekrutierungsziele weiterhin realistisch sind. Mit den sofortigen Ergebnissen und der Berichtserstellung des Editverse-Rechners können Sie verschiedene Szenarien einfach durchspielen und Ihre endgültigen Entscheidungen dokumentieren.

Speichern Sie den Rechner unter https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/ und teilen Sie ihn mit Kollegen, die von dieser kostenlosen Ressource profitieren könnten.

Benötigen Sie statistische Unterstützung von Experten?

Unsere Statistiker unterstützen Sie bei komplexen Studiendesigns, Förderanträgen und publikationsreifen Analysen.

Probieren Sie den Rechner aus
kostenlose Beratung

Verwandte Editverse-Ressourcen

→ T-Tests in klinischen Studien: Beispiele aus der Praxis und visuelle Anleitungen
→ Analyse klinischer Studien: Intention-to-Treat-Ansätze vs. Per-Protokoll-Ansätze
→ Bland-Altman-Analyse: Visueller Leitfaden für Methodenvergleichsstudien
→ PRISMA-2020-Leitlinien: Vollständige Checkliste für systematische Reviews
→ Systematische Übersichtsarbeit vs. Metaanalyse: Die wichtigsten Unterschiede erklärt
→ So erhöhen Sie Ihren H-Index: 10 bewährte Strategien für Forscher
→ Ablehnungsquote von Fachzeitschriften nach Fachgebiet: Datenanalyse + Wie man die Chancen verbessert
→ 10 Verstöße gegen die Ethik in der klinischen Forschung, die die Medizin verändert haben
→ Was sind Publikationsunterstützungsdienste? Vollständiger Leitfaden
→ Einfache Anleitung zu den Schritten des PRISMA-Flussdiagramms

Referenzen

Chow SC, Shao J, Wang H, Lokhnygina Y. Stichprobenberechnungen in der klinischen Forschung . Dritte Auflage: Chapman and Hall/CRC; 2017.

Fleiss JL, Levin B, Paik MC. Statistische Methoden für Raten und Proportionen . Dritte Auflage: John Wiley & Sons; 2013.

Rosner B. Grundlagen der Biostatistik . 7. Aufl. Boston, MA: Brooks/Cole; 2011.

Schoenfeld D. Die asymptotischen Eigenschaften nichtparametrischer Tests zum Vergleich von Überlebensverteilungen. Biometrika . 1981;68(1):316-319.

Woodward M. Formeln für Stichprobenumfang, Teststärke und minimal nachweisbares relatives Risiko in medizinischen Studien. Journal of the Royal Statistical Society: Series D (The Statistician) . 1992;41(2):185-196.