Gratuit Taille de l'échantillon et analyse de puissance Calculatrice pour chercheurs

Calculateur d'analyse de puissance pour les études de recherche

L'analyse de puissance permet d'estimer la taille minimale de l'échantillon nécessaire pour détecter un effet statistiquement significatif, tout en contrôlant le risque d'erreurs de type I et de type II. Une erreur de type I (faux positif) survient lorsqu'une étude conclut à tort à l'existence d'un effet ; une erreur de type II (faux négatif) survient lorsqu'un effet réel n'est pas détecté. La plupart des études biomédicales et cliniques visent une puissance de 80 % (1 − β = 0.80) pour un seuil de signification α = 0.05.

Grâce à cet outil de calcul de puissance statistique, les chercheurs spécifient l'ampleur de l'effet attendu, le seuil de signification, la puissance souhaitée et le plan d'étude. L'outil calcule ensuite la taille d'échantillon requise. Réaliser une analyse de puissance avant la collecte des données permet de s'assurer qu'une étude n'est ni sous-dimensionnée (risque de faux négatif), ni trop importante (gaspillage de ressources et questions éthiques liées au recrutement inutile de participants).

La taille de l'effet peut être calculée à partir de données préliminaires, de la littérature publiée ou de la différence minimale cliniquement importante. Les conventions de Cohen (petite : d = 0.2 ; moyenne : d = 0.5 ; grande : d = 0.8 pour les tests t ; f = 0.10/0.25/0.40 pour l'ANOVA) constituent un point de départ en l'absence de données antérieures.

Calculateur de taille d'échantillon pour les essais cliniques

Les essais cliniques nécessitent un calcul rigoureux de la taille de l'échantillon avant le recrutement. Des essais sous-dimensionnés peuvent ne pas détecter de réelles différences de traitement, tandis que des essais surdimensionnés exposent un nombre excessif de participants aux conditions expérimentales. Les comités d'éthique et les organismes subventionnaires exigent un calcul de la taille de l'échantillon clairement justifié pour l'approbation du protocole.

Ce calculateur prend en charge trois principaux types d'essais cliniques. Les essais de supériorité visent à déterminer si un nouveau traitement est plus efficace qu'un traitement de référence ; les données requises sont la différence moyenne attendue, l'écart type, le seuil de signification et la puissance statistique souhaitée. Les essais de non-infériorité visent à déterminer si un nouveau traitement n'est pas significativement moins efficace qu'un traitement de référence établi ; le principal paramètre supplémentaire est la marge de non-infériorité. Les essais d'équivalence visent à déterminer si deux traitements produisent le même effet dans des limites définies.

Pour les essais cliniques basés sur la survie, le calculateur utilise la formule du test du log-rank, nécessitant le rapport de risque attendu, le taux d'événements et la durée du suivi.

Calculateur de taille d'échantillon de prévalence

Le calcul de la taille de l'échantillon basé sur la prévalence est utilisé dans les études transversales et épidémiologiques dont l'objectif principal est d'estimer la proportion d'une population présentant une affection, une exposition ou une caractéristique spécifique. Contrairement aux études comparatives, ces études ne testent pas d'hypothèse entre groupes ; elles estiment plutôt un paramètre de population avec un niveau de précision déterminé.

La taille de l'échantillon requise pour une étude de prévalence dépend de la prévalence attendue (p), de la marge d'erreur acceptable (d) et du niveau de confiance (généralement 95 %, correspondant à Z = 1.96). Lorsque la population étudiée est finie et relativement petite, un facteur de correction pour population finie réduit la taille de l'échantillon requise.

L'option « Proportion unique » du calculateur permet aux chercheurs de modéliser directement des études de prévalence. Par exemple, l'estimation de la prévalence de l'hypertension dans une clinique urbaine, avec une prévalence attendue de 30 %, une marge d'erreur de 5 % et un intervalle de confiance de 95 %, nécessite environ 323 participants avant de tenir compte des non-réponses.

Calculateur de taille d'échantillon pour les tests T

Le calcul de la taille de l'échantillon pour le test t s'applique à la comparaison des moyennes entre un groupe et une valeur de référence, deux groupes indépendants ou des mesures appariées chez les mêmes sujets. Les trois types de tests t — à un échantillon, à deux échantillons (indépendants) et appariés — diffèrent par leurs paramètres d'entrée et l'interprétation des résultats relatifs à la taille de l'échantillon.

Pour un test t à deux échantillons, la taille d'échantillon requise par groupe dépend de la différence moyenne attendue entre les groupes, de l'écart-type combiné, du seuil de signification, de la puissance et du sens du test. Pour un test t apparié, le paramètre clé est la différence moyenne entre les mesures appariées et son écart-type — généralement inférieur à l'écart-type inter-sujets, ce qui explique l'efficacité statistique des plans appariés.

Calculateur de taille d'échantillon pour l'ANOVA

Le calcul de la taille de l'échantillon pour l'ANOVA est utilisé lorsqu'une étude compare simultanément les moyennes de trois groupes ou plus. Plutôt que d'effectuer plusieurs tests t — ce qui augmente le risque d'erreur de type I —, l'ANOVA teste l'hypothèse nulle globale selon laquelle toutes les moyennes des groupes sont égales, en une seule analyse.

Le paramètre clé est le f de Cohen, qui mesure la taille de l'effet dans l'ANOVA. Petits : f = 0.10 ; moyens : f = 0.25 ; grands : f = 0.40. Le calculateur indique la taille totale de l'échantillon requise et la répartition par groupe.

Calculateur de taille d'échantillon pour les tests du chi carré

Le calcul de la taille de l'échantillon pour le test du χ² est utilisé dans les études portant sur des variables catégorielles, par exemple pour comparer les taux de réponse, les taux de complications ou la prévalence d'une maladie entre deux groupes. Pour un test du χ² de comparaison de deux proportions, les données nécessaires sont les proportions attendues dans chaque groupe, le seuil de signification et la puissance statistique souhaitée.

Conventions de Cohen pour le w : petit = 0.10, moyen = 0.30, grand = 0.50. Exemple pratique : la comparaison de taux d’événements indésirables de 15 % contre 8 % avec une puissance de 80 % et α = 0.05 nécessite environ 300 participants par groupe avant ajustement pour les abandons.