公開日:|最終更新日
Editverseのサンプルサイズ計算ツールは、複雑なソフトウェアや高額なライセンスを必要とせずに正確なサンプルサイズ計算を行う必要がある医療研究者、臨床試験実施者、および研究者向けに特別に設計された、無料のウェブベースの検出力分析ツールです。ランダム化比較試験の計画、診断研究の設計、助成金申請書の作成など、どのような場合でも、この包括的なガイドは、この強力なツールを使用するすべての手順を丁寧に解説します。
Editverse サンプル サイズ 計算機を使用する理由
サンプルサイズの計算は、臨床研究デザインにおいて最も重要なステップの一つです。検出力の低い研究ではリソースが無駄になり、有意な治療効果を検出できない可能性があります。一方、検出力の過剰な研究では、必要以上に多くの参加者が登録されてしまいます。Editverse計算機は、あらゆるデバイスで動作する直感的でアクセスしやすいインターフェースで、検証済みの統計式を提供することで、この課題を解決します。
ステップバイステップのチュートリアルに進む前に、この計算機が既存の検出力分析ツールの中で際立っている理由を理解しましょう。Editverse サンプルサイズ計算機は、基本的なt検定から複雑な生存分析、ROC曲線の計算まで、医学研究で最も一般的な研究デザインをカバーする15種類の統計検定を提供しています。
この計算ツールは、G*Powerと同じ検証済みの統計式と、PubMedおよびCochraneが推奨する方法を使用しているため、サンプルサイズの妥当性に関する説明が、倫理委員会、助成金審査員、および学術誌編集者が求める厳格な基準を満たすことを保証します。
Editverseサンプルサイズ計算機にアクセスする方法
使い方は簡単です。https ://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/にアクセスして計算ツールをご利用ください。登録、ダウンロード、インストールは不要で、ブラウザにすぐに読み込まれます。デスクトップパソコン、タブレット、モバイル端末など、様々なデバイスでシームレスに動作するため、多様な環境で研究を行う研究者にとって便利です。
このページにアクセスすると、すっきりとした 2 列のインターフェースが表示されます。左側には調査パラメータを入力する入力フォームがあり、右側には計算されたサンプル サイズとインタラクティブな視覚エフェクトが表示される結果パネルがあります。
サンプルサイズ計算ツールのステップバイステップガイド:統計検定の選択
最初で最も重要なステップは、研究デザインに適した統計検定を選択することです。この計算機は15種類の検定を直感的なカテゴリーに分類しており、適切な検定を素早く見つけられるようになっています。
資産調査の比較
主要な結果が連続変数であり、グループを比較する場合は、次のオプションから選択します。
2標本t検定(2群):並行群ランダム化比較試験における治療群と対照群など、2つの独立した群間の平均値を比較する場合に選択します。これは臨床研究で最も一般的に使用される検定です。例えば、新しい降圧薬を投与された患者とプラセボを投与された患者の平均血圧低下を比較する場合などに使用します。
対応のあるt検定:同一被験者における前後比較測定(例えば、同一患者における食事介入前後のHbA1c値の測定など)に用いる場合。この手法では、各被験者が自身の対照群となるため、通常はより少ないサンプルサイズで済みます。
1標本t検定:標本平均を既知の母集団値または理論上の基準値と比較する場合に使用します。
ANOVA(3グループ以上): 3つ以上のグループ間で平均値を同時に比較する場合、例えば、ある薬剤の3つの異なる投与方法を比較する場合などに、ANOVAを選択します。
割合テスト
2つの比率(カイ二乗検定):応答率、死亡率、有害事象発生率など、グループ間の二値結果を比較する場合に選択します。この検定は、結果が「はい/いいえ」、「成功/失敗」、「事象発生/事象なし」のいずれかである研究に不可欠です。
単一比率:仮説値に対して単一比率を推定または検定する場合に使用します。
臨床試験のデザイン
計算機には、さまざまな研究上の疑問に対応する 3 つの特殊な臨床試験設計が含まれています。
優越性試験:新しい治療法が比較対象よりも優れていることを証明することを目的とした標準的な試験デザイン。
非劣性試験:新しい治療法が既存の治療法よりも臨床的に劣っていないことを証明することが目的の場合に使用します。この試験デザインでは、非劣性マージン(臨床的に同等とみなされる許容可能な最大差)を指定する必要があります。
同等性試験: 2つの治療法が、定められた範囲内で治療的に同等であることを証明する必要がある場合に、これを選択してください。
生存分析
ログランク検定(生存分析):全生存期間、無増悪生存期間、疾患再発までの期間など、イベント発生までの期間に関するアウトカムを評価する際に不可欠です。この検定では、ハザード比とイベント発生確率を用いて、必要な患者数とイベント数を算出します。
相関と回帰
相関係数(ピアソン/スピアマン): 2つの連続変数間の関係を調べる研究に使用します。
線形回帰:複数の予測変数を用いて連続的な結果をモデル化する必要があり、期待されるR²値に基づいてサンプルサイズを決定したい場合に使用します。
ロジスティック回帰:複数の予測変数を用いて二値結果をモデル化するための手法。
診断研究
感度/特異度:診断検査の妥当性検証研究において、必要な精度で感度と特異度を推定する必要がある場合に使用します。
ROC曲線(AUC):受信者操作特性曲線の下の面積を使用して、診断検査の識別能力を比較する場合。
サンプルサイズの計算統計パラメータ:分析の設定
テストを選択したら、検出力分析を制御する主要な統計パラメータを設定します。これらのパラメータを理解することは、正確なサンプルサイズ計算に不可欠です。
有意水準(α)
有意水準は、第1種の誤り(実際には効果が存在しないにもかかわらず、効果があると結論付ける確率)の許容度を表します。この計算機では、以下の3つのオプションが利用可能です。
α = 0.05 (5%):ほとんどの医学研究における標準であり、ほとんどの研究で推奨されています。
α = 0.01 (1%):より厳格な基準で、偽陽性が重大な結果を招く場合に使用されます。より大きなサンプルサイズが必要です。
α = 0.10 (10%):より寛容な値で、探索的研究や予備調査で使用されることがあります。
統計的検出力(1-β)
検出力とは、真の効果が存在する場合にそれを検出する確率です。これは、真の効果を見逃す確率である第2種の過誤(β)の補数です。
検出力80%:ほとんどの臨床研究における一般的な最低基準。これは、真の治療効果を検出できる確率が80%であることを意味します。
検出力90%:決定的な臨床試験、規制当局への申請、および効果を検出できなかった場合に重大な結果を招くような重要な研究に推奨されます。
70%、85%、95%:特別な状況、パイロットスタディ、またはリソースに余裕があり、より高い信頼性が求められる場合に利用可能です。
検定の種類(片側検定と両側検定)
両側検定:治療効果がどちらの方向にも(対照群より良くなる場合も悪くなる場合も)起こりうる場合に使用します。これはほとんどの臨床試験に適しており、デフォルトの保守的な選択肢です。
片側検定:効果が一方向にしか向かわないという強い事前証拠がある場合、または改善の検出のみに明確な関心がある場合にのみ選択してください。片側検定はサンプルサイズを小さくできますが、科学的に正当化するのが難しくなります。
配分比率
割り当て比率によって、参加者がグループ間でどのように分配されるかが決まります。
1:1:治療群と対照群に均等に被験者を割り当てる。これは統計的に最も効率的な設計であり、ほとんどの研究で推奨される。
2:1:治療群の参加者2名に対し、対照群の参加者1名。実験的治療に関する安全性データをより多く取得したい場合に便利です。
3:1または1:2:対照治療が高額であったり、多くの患者に投与することが倫理的に問題となる場合など、特別な状況における不均等な配分。
サンプルサイズ計算ツール: テスト固有のパラメータの入力
各統計検定には特定の入力値が必要です。最も一般的な検定におけるこれらのパラメータの決定方法を以下に示します。
2標本T検定パラメータ
2 つのグループの平均を比較するには、次の 3 つの主要な値が必要です。
予想平均値(グループ1):対照群または参照群における予想される平均結果。これは、発表済みの文献、予備データ、または臨床経験に基づいて算出してください。
期待平均値(グループ2):治療グループにおける予想される平均結果。グループ1とグループ2の平均値の差は、期待される治療効果を表します。
標準偏差(統合値):結果指標における予想される変動幅。これは、過去の研究、予備データ、または公表されている基準値から算出できます。
例えば、血圧の研究では、対照群の平均値は140 mmHg、治療群の平均値は130 mmHg、標準偏差は20 mmHgと指定します。これは、介入によって血圧が10 mmHg低下すると期待されることを意味します。
カイ二乗(2つの割合)パラメータ
二値の結果を比較する場合は、各群の期待される割合をパーセンテージで入力します。例えば、対照群の反応率が30%、治療群の反応率が50%と予想される場合は、それぞれ30と50を入力します。
非劣性試験パラメータ
非劣性デザインには追加のパラメータが必要です。
非劣性マージン(Δ):臨床的に許容できる最大の差。例えば、新しい抗生物質を試験していて、標準治療の治癒率が90%である場合、10%のマージンを設定するかもしれません。つまり、新しい薬の治癒率が少なくとも80%であれば、その薬を受け入れるということです。
期待される真の差:治療間の実際の差を最も正確に推定した値。サンプルサイズ計算の目的では、多くの場合、ゼロ(真の同等性)とみなされます。
生存分析(ログランク検定)パラメータ
ハザード比:グループ間のハザード率の比率。ハザード比が0.7ということは、治療によって対照群と比較して事象のリスクが30%減少することを意味します。
イベント発生確率:研究期間中にイベントを経験する参加者の予想割合。
ROC/AUCパラメータ
診断テスト研究の場合:
予測AUC: ROC曲線下面積の予測値。0.7~0.8の値は許容範囲内の判別能力を示し、0.8を超える値は優れた判別能力を示します。
ヌルAUC:通常は0.5に設定され、ランダムな偶然(識別能力がない)を表します。
ドロップアウト調整:現実世界の離職率の計画
臨床試験では、有害事象、追跡調査の失敗、プロトコル違反、その他の要因により、参加者の脱落が避けられません。Editverse 計算機には、十分な数の参加者を募集し、十分な検出力を維持できるようにするための脱落調整機能が組み込まれています。
デフォルトの離脱率は10%で、多くの短期研究では妥当な値です。ただし、以下の点に基づいて調整する必要があります。
研究期間:研究期間が長いほど、一般的に脱落率が高くなります。
疾患人口:重症または進行性の疾患では、病状の悪化や死亡により、死亡率が高くなる可能性がある。
治療負担:頻繁な通院や侵襲的な処置を伴う複雑な治療は、脱落率が高くなる可能性がある。
過去のデータ:脱落率の現実的な推定値を得るために、類似の既発表臨床試験を検討する。
計算機は、調整済みN = 必要N ÷ (1 - 脱落率) という式を用いて、必要なサンプルサイズを自動的に算出します。例えば、グループあたり100人の参加者が必要で、脱落率が20%と予想される場合は、グループあたり125人を募集する必要があります。
サンプルサイズ計算ツールの結果の解釈
「サンプルサイズを計算」をクリックすると、画面右側の青緑色のパネルに結果がすぐに表示されます。各要素の解釈方法は以下の通りです。
必要サンプルサイズ:選択した有意水準で、指定した検出力を達成するために、グループごとに必要な参加者数。
総参加者数:全グループを合わせたサンプルサイズ。1対1の割り当てを行う2グループデザインの場合、これは各グループに必要な人数の2倍に相当します。
脱落率を考慮した調整済み:予想される脱落率を考慮した募集目標人数。これは、入学を目指すべき人数です。
インタラクティブチャートの理解
計算機は、サンプル サイズの計算を理解して伝えるのに役立つ 3 つの視覚化を生成します。
検出力曲線:このグラフは、サンプルサイズが増加するにつれて統計的検出力がどのように増加するかを示しています。x軸はグループごとのサンプルサイズ、y軸は検出力をパーセンテージで表したものです。このグラフを使用すると、検出力が急激に増加する曲線の「膝」の部分にどれだけ近いかを確認したり、より少ないサンプルしか募集できない場合に何が起こるかを調べたりすることができます。
分布の重なり:この視覚化では、2つのグループの予想される分布を表示し、それらの重なり具合を示します。重なりが少ないほど効果量が大きく、検出が容易になります。これは、研究チームの統計学の専門家ではないメンバーにサンプルサイズの概念を説明する際に特に役立ちます。
感度分析:このグラフは、異なる有意水準(α = 0.01、0.05、0.10)におけるサンプルサイズ要件の変化を示しています。3本の線は、第一種過誤の制御とサンプルサイズ要件の間のトレードオフを理解するのに役立ちます。
出版準備が整ったレポートの生成
Editverse計算機の最も貴重な機能の一つは、サンプルサイズ計算に関する完全な、出版可能なドキュメントを生成できることです。「レポート」ボタンをクリックすると、包括的なドキュメントを含むモーダルが開きます。
レポートには、助成金申請書、倫理審査の提出、または原稿の方法のセクションに直接コピーできるいくつかのセクションが含まれています。
研究デザイン:選択した統計的検定方法と仮説の方向性を文書化します。
パラメータ:有意水準、検出力、効果量、テスト固有のパラメータなど、すべての入力値を一覧表示します。
結果:計算されたサンプルサイズ要件を明確に示しています。
退学率調整:予想される退学率と調整後の採用目標を表示します。
方法の説明文:論文の方法のセクションに適した、あらかじめ作成された段落を提供します。例:「サンプルサイズは、両側有意水準0.05、検出力80%を仮定した2標本t検定を用いて算出しました。平均差10mmHg、プールされた標準偏差20mmHgに基づくと、各グループ64名(合計128名)の参加者が必要となります。15%の脱落率を考慮し、151名の参加者を登録する予定です。」
レポートをクリップボードにコピーして他のドキュメントに貼り付けたり、記録用にテキスト ファイルとしてダウンロードしたりすることができます。
サンプルサイズ計算ツールの引用:ツールの引用方法
サンプルサイズ計算ツールの適切な引用は、再現性と透明性を確保するために重要です。以下に、様々なスタイルの引用形式を示します。
本文中(方法の項):「サンプルサイズは、医学研究向けの検証済みオンライン検出力分析ツールであるEditverseサンプルサイズ計算ツール(Editverse、2025)を使用して計算した。」
APA第7版: Editverse。(2025)。Editverseサンプルサイズ計算ツール[オンラインツール]。https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/
バンクーバー/ICMJE: Editverse. Editverse サンプルサイズ計算ツール [インターネット]. 2025 [引用日 2025年1月6日]. 入手先: https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/
サンプルサイズ計算ツールの実例: 血圧試験
計算機のワークフローを説明する完全な例を見てみましょう。
シナリオ:あなたは、新しい降圧薬とプラセボを比較する無作為化比較試験を計画しています。主要評価項目は、ベースラインから12週間後までの収縮期血圧の変化です。
ステップ1:ドロップダウンメニューから「2標本t検定(2群)」を選択します。
ステップ2:統計パラメータを設定します:有意水準 = 0.05 (5%)、検出力 = 80%、検定タイプ = 両側検定、割り当て比率 = 1:1。
ステップ3:試験固有のパラメータを入力します。グループ1(対照群)の予想平均値=140 mmHg、グループ2(治療群)の予想平均値=130 mmHg、標準偏差=20 mmHg。これらの値は、治療によって10 mmHgの低下が見込まれることを示しています。
ステップ4:治療領域における類似の既発表臨床試験に基づいて、脱落率を15%に調整する。
ステップ5:「サンプルサイズを計算する」をクリックします。
結果:計算によると、1グループあたり64名(合計128名)の参加者が必要です。15%の脱落率を考慮すると、合計151名(1グループあたり76名)の参加者を募集する必要があります。
ステップ6: [レポート]をクリックして、倫理委員会への提出書類と助成金申請書類を作成します。
サンプルサイズ計算ツールの比較:Editverseと他のツール
Editverseの計算機は他の人気ツールと比べてどうでしょうか?詳細な比較は以下のとおりです。
| 機能 | エディットバース | G*パワー | PSパワー | オープンエピ |
|---|---|---|---|---|
| 価格 | ✓無料 | Free | Free | Free |
| Platform | ✓ Webベース | デスクトップのみ | デスクトップのみ | ウェブ |
| モバイルフレンドリー | ✓ はい | ✗ いいえ | ✗ いいえ | 限定的 |
| 臨床試験のデザイン | ✓ 全3種類 | 限定的 | はい | ✗ いいえ |
| 生存分析 | ✓ ログランク | はい | はい | ✗ いいえ |
| インタラクティブなチャート | ✓ はい | はい | ✗ いいえ | ✗ いいえ |
| 出版レポート | ✓ はい | ✗ いいえ | ✗ いいえ | ✗ いいえ |
| ドロップアウト調整 | ✓ 内蔵 | マニュアル | マニュアル | ✗ いいえ |
| ROC/AUC分析 | ✓ はい | ✗ いいえ | ✗ いいえ | ✗ いいえ |
倫理委員会と助成金申請のためのヒント
サンプルサイズの正当性は、倫理審査申請や助成金申請において重要な要素です。審査員はこのセクションを綿密に精査します。説得力のある根拠を示す方法は次のとおりです。
効果量の根拠を説明してください。期待される効果を述べるだけでなく、なぜその効果が期待できるのかを説明してください。予備データや既発表の文献を参照するか、検出を目指す臨床的に重要な最小差を説明してください。査読者は、楽観的な効果量の仮定をしばしば疑問視します。
統計パラメータの説明:アルファ水準と検出力を選択した理由を簡潔に述べてください。ほとんどの研究では、α = 0.05、検出力80%が標準ですが、これらから逸脱している場合は、その理由を説明してください。
現実的な脱落率を考慮する:類似の研究結果に基づき、脱落率を考慮したことを示してください。内蔵の脱落率スライダーを使用して、調整済みの採用目標を設定してください。
すべてのパラメータを含めてください:審査員は計算結果を検証する必要があります。審査員が結果を再現できるように、提出書類にはすべての入力パラメータを含めてください。
レポート機能を使用する:計算機のエクスポート機能を使用して、完全なレポートを作成できます。これにより、必要な情報が漏れることなく、専門的で標準化された文書を作成できます。
サンプルサイズの計算に関するよくある質問
サンプルサイズの計算とは何ですか? なぜ重要ですか?
サンプルサイズの計算は、研究において統計的に有意な効果を検出するために必要な最小限の参加者数を決定します。これは非常に重要です。なぜなら、参加者数が少なすぎると、真の効果を発見するための統計的検出力が不足する可能性があるためです(第2種の過誤)。一方、参加者数が多すぎると、研究資源が無駄になり、不必要な参加者が実験介入を受ける可能性があります。
臨床試験のサンプルサイズはどのように計算すればよいですか?
Editverse の計算機で試験デザイン(優位性、非劣性、または同等性)を選択し、期待される治療差、標準偏差、有意水準(通常 α = 0.05)、検出力(通常 80% または 90%)を入力します。計算機は、各群に必要な参加者数を即座に計算します。
どのような統計的検出力を使用すればよいですか?
ほとんどの臨床研究では、80%の検出力が一般的です。これは、真の効果が存在する場合、それを検出できる確率が80%であることを意味します。決定的な試験、規制当局への申請、あるいは真の効果を見逃した場合のコストが高い場合は、90%の検出力を使用します。検出力を高めるには、より大きなサンプルサイズが必要です。
どのような効果サイズを使用すればよいですか?
効果量は、ご自身の予備研究のパイロットデータ、類似の介入に関する発表文献、あるいは臨床実践を変えるとされる臨床的に重要な最小の差に基づいて決定してください。Cohenのガイドライン(d = 0.2 小、0.5 中、0.8 大)は参考になりますが、臨床的関連性に基づいて選択する必要があります。
Editverse 計算機は G*Power と比べて正確ですか?
はい。Editverseの計算機は、G*Powerなどの定評あるツールと同じ検証済みの統計式を使用しています。同じ入力パラメータであれば、結果は同じです。Editverseの利点は、アクセスしやすさ、出版可能なレポート、そしてドロップアウト調整などの組み込み機能です。
専門的な統計サポートサービス
Editverseサンプルサイズ計算ツールは、ほとんどの単純な検出力分析に対応していますが、一部の研究デザインでは専門的な統計コンサルティングが必要になります。複雑な適応型デザイン、階層型モデル、または通常とは異なる結果分布の場合は、専門家の指導が必要になる場合があります。
結論
Editverseサンプルサイズ計算ツールは、医学研究者に統計的に健全な研究を計画するための強力で使いやすいツールを提供します。検出力分析の中核概念を理解し、この包括的なガイドに従うことで、臨床試験、観察研究、診断研究に適切なサンプルサイズを自信を持って決定できます。
サンプルサイズの計算は一度きりの作業ではありません。計画段階で研究デザインが変化するにつれて、登録目標が適切であることを確認するために計算を見直してください。Editverse計算機の即時結果とレポート生成機能により、様々なシナリオを検討し、最終的な決定を文書化することが容易になります。
https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/にある計算ツールをブックマークして、この無料リソースから恩恵を受ける可能性のある同僚と共有してください。
関連するEditverseリソース
→ 臨床試験における T 検定: 実際の事例とビジュアル ガイド
→ 臨床試験分析: 治療意図アプローチとプロトコル準拠アプローチ
→ ブランド・アルトマン分析: 手法比較研究のビジュアルガイド
→ PRISMA 2020ガイドライン:システマティックレビューのための完全チェックリスト
→ システマティックレビューとメタアナリシス:主な違いを解説
→ H指数を高める方法:研究者のための実証済み戦略10選
→ 分野別ジャーナルリジェクト率:データ分析と逆境を克服する方法
→ 医療を変えた臨床研究倫理違反10選
→ 出版支援サービスとは?完全ガイド
→ PRISMA フローチャートのステップへの簡単なガイド
参考情報
Chow SC、Shao J、Wang H、Lokhnygina Y.臨床研究におけるサンプルサイズ計算。第3版:Chapman and Hall/CRC; 2017。
Fleiss JL、Levin B、Paik MC。『割合と比率の統計的方法』第3版:John Wiley & Sons; 2013年。
Rosner B. 『生物統計学の基礎』第7版、ボストン、マサチューセッツ州:Brooks/Cole; 2011年。
Schoenfeld D. 生存分布を比較するためのノンパラメトリック検定の漸近的性質。Biometrika . 1981 ;68(1):316-319.
Woodward M. 医学研究におけるサンプルサイズ、検出力、最小検出可能相対リスクの計算式。王立統計学会誌:シリーズD(統計学者)。1992;41(2):185-196。

