ฟรี ขนาดตัวอย่างและการวิเคราะห์กำลังการทดสอบ เครื่องคำนวณสำหรับนักวิจัย

เครื่องคำนวณการวิเคราะห์กำลังสำหรับงานวิจัย

การวิเคราะห์กำลังการทดสอบ (Power analysis) ใช้เพื่อประมาณขนาดตัวอย่างขั้นต่ำที่จำเป็นในการตรวจจับผลที่มีนัยสำคัญทางสถิติ ในขณะที่ควบคุมความน่าจะเป็นของข้อผิดพลาดประเภทที่ 1 และประเภทที่ 2 ข้อผิดพลาดประเภทที่ 1 (ผลบวกเท็จ) เกิดขึ้นเมื่อการศึกษาได้สรุปอย่างไม่ถูกต้องว่ามีผลกระทบอยู่จริง ข้อผิดพลาดประเภทที่ 2 (ผลลบเท็จ) เกิดขึ้นเมื่อไม่พบผลกระทบที่แท้จริง การศึกษาทางชีวการแพทย์และทางคลินิกส่วนใหญ่กำหนดเป้าหมายกำลังการทดสอบไว้ที่ 80% (1-β = 0.80) ที่ระดับนัยสำคัญ α = 0.05

นักวิจัยสามารถใช้เครื่องคำนวณวิเคราะห์กำลังการทดสอบนี้เพื่อระบุขนาดผลกระทบที่คาดหวัง ระดับนัยสำคัญ กำลังการทดสอบที่ต้องการ และการออกแบบการศึกษา จากนั้นเครื่องคำนวณจะคำนวณขนาดตัวอย่างที่ต้องการออกมา การวิเคราะห์กำลังการทดสอบก่อนการเก็บข้อมูลจะช่วยให้มั่นใจได้ว่าการศึกษาจะไม่ขาดกำลังการทดสอบที่เพียงพอ ซึ่งเสี่ยงต่อการเกิดผลลัพธ์ที่ผิดพลาดแบบลบ หรือมีขนาดใหญ่เกินความจำเป็น ซึ่งเป็นการสิ้นเปลืองทรัพยากรและก่อให้เกิดข้อกังวลด้านจริยธรรมเกี่ยวกับการสรรหาผู้เข้าร่วมที่ไม่จำเป็น

ขนาดของผลกระทบสามารถหาได้จากข้อมูลนำร่อง งานวิจัยที่ตีพิมพ์ หรือความแตกต่างขั้นต่ำที่มีความสำคัญทางคลินิก หลักเกณฑ์ของโคเฮน (เล็ก: d = 0.2, ปานกลาง: d = 0.5, ใหญ่: d = 0.8 สำหรับการทดสอบ t; f = 0.10/0.25/0.40 สำหรับ ANOVA) เป็นจุดเริ่มต้นเมื่อไม่มีข้อมูลมาก่อน

เครื่องคำนวณขนาดตัวอย่างสำหรับการทดลองทางคลินิก

การทดลองทางคลินิกจำเป็นต้องมีการคำนวณขนาดตัวอย่างอย่างเข้มงวดก่อนเริ่มการรับสมัคร การทดลองที่มีขนาดตัวอย่างไม่เพียงพออาจไม่สามารถตรวจพบความแตกต่างที่แท้จริงของการรักษาได้ ในขณะที่การทดลองที่มีขนาดใหญ่เกินไปจะทำให้ผู้เข้าร่วมจำนวนมากต้องเผชิญกับสภาวะการทดลองมากกว่าที่จำเป็น คณะกรรมการด้านจริยธรรมและหน่วยงานที่ให้ทุนสนับสนุนกำหนดให้ต้องมีการคำนวณขนาดตัวอย่างที่มีเหตุผลชัดเจนเป็นส่วนหนึ่งของการอนุมัติระเบียบวิธีการวิจัย

เครื่องคำนวณนี้รองรับการออกแบบการทดลองทางคลินิกหลักสามแบบ การทดลองเพื่อพิสูจน์ความเหนือกว่า (Superiority trials) ทดสอบว่าการรักษาแบบใหม่ดีกว่ากลุ่มควบคุมหรือไม่ โดยต้องป้อนข้อมูลต่อไปนี้ ได้แก่ ความแตกต่างของค่าเฉลี่ยที่คาดหวัง ค่าเบี่ยงเบนมาตรฐาน ระดับนัยสำคัญ และกำลังการทดสอบที่ต้องการ การทดลองเพื่อพิสูจน์ความไม่ด้อยกว่า (Non-inferiority trials) ทดสอบว่าการรักษาแบบใหม่ไม่แย่ไปกว่ามาตรฐานที่กำหนดไว้จนยอมรับไม่ได้หรือไม่ โดยพารามิเตอร์เพิ่มเติมที่สำคัญคือ ขอบเขตความไม่ด้อยกว่า (non-inferiority margin) การทดลองเพื่อพิสูจน์ความเท่าเทียมกัน (Equivalence trials) ทดสอบว่าการรักษาสองแบบให้ผลลัพธ์เหมือนกันภายในขอบเขตที่กำหนดหรือไม่

สำหรับการทดลองทางคลินิกที่อิงตามอัตราการรอดชีวิต เครื่องคำนวณจะใช้สูตรการทดสอบลอการิทึมอันดับ (log-rank test) ซึ่งต้องทราบอัตราส่วนความเสี่ยงที่คาดการณ์ไว้ อัตราการเกิดเหตุการณ์ และระยะเวลาการติดตามผล

เครื่องคำนวณขนาดตัวอย่างความชุก

การคำนวณขนาดตัวอย่างโดยอิงตามความชุกใช้ในการศึกษาแบบภาคตัดขวางและระบาดวิทยา ซึ่งวัตถุประสงค์หลักคือการประมาณสัดส่วนของประชากรที่มีภาวะ สภาวะ หรือลักษณะเฉพาะอย่างใดอย่างหนึ่ง แตกต่างจากการศึกษาเปรียบเทียบ การออกแบบเหล่านี้ไม่ได้ทดสอบสมมติฐานระหว่างกลุ่ม แต่เป็นการประมาณค่าพารามิเตอร์ของประชากรด้วยระดับความแม่นยำที่กำหนดไว้

ขนาดตัวอย่างที่จำเป็นสำหรับการศึกษาความชุกขึ้นอยู่กับความชุกที่คาดการณ์ไว้ (p) ค่าความคลาดเคลื่อนที่ยอมรับได้ (d) และระดับความเชื่อมั่น (โดยทั่วไปคือ 95% ซึ่งสอดคล้องกับ Z = 1.96) เมื่อประชากรที่ศึกษาจำกัดและค่อนข้างเล็ก ปัจจัยการแก้ไขประชากรจำกัดจะช่วยลดขนาดตัวอย่างที่จำเป็นลง

การใช้ตัวเลือกสัดส่วนเดียวในเครื่องคำนวณ ช่วยให้นักวิจัยสามารถสร้างแบบจำลองการศึกษาความชุกได้โดยตรง ตัวอย่างทั่วไปคือ การประมาณความชุกของความดันโลหิตสูงในคลินิกในเมือง โดยคาดการณ์ความชุกอยู่ที่ 30% มีค่าความคลาดเคลื่อน 5% และมีความเชื่อมั่น 95% จำเป็นต้องมีผู้เข้าร่วมประมาณ 323 คน ก่อนที่จะคำนึงถึงผู้ที่ไม่ตอบแบบสอบถาม

เครื่องคำนวณขนาดตัวอย่างสำหรับการทดสอบ T

การคำนวณขนาดตัวอย่างสำหรับการทดสอบ t ใช้เมื่อเปรียบเทียบค่าเฉลี่ยระหว่างกลุ่มหนึ่งกับค่าอ้างอิง กลุ่มอิสระสองกลุ่ม หรือการวัดแบบจับคู่ในกลุ่มตัวอย่างเดียวกัน การออกแบบการทดสอบ t ทั้งสามแบบ ได้แก่ แบบตัวอย่างเดียว แบบสองตัวอย่าง (อิสระ) และแบบจับคู่ แตกต่างกันในพารามิเตอร์นำเข้าและการตีความผลลัพธ์ขนาดตัวอย่าง

สำหรับการทดสอบ t สองกลุ่มตัวอย่าง ขนาดตัวอย่างที่ต้องการต่อกลุ่มขึ้นอยู่กับความแตกต่างของค่าเฉลี่ยที่คาดหวังระหว่างกลุ่ม ค่าเบี่ยงเบนมาตรฐานรวม ระดับนัยสำคัญ กำลังการทดสอบ และทิศทางการทดสอบ สำหรับการทดสอบ t แบบจับคู่ พารามิเตอร์สำคัญคือความแตกต่างของค่าเฉลี่ยระหว่างการวัดแบบจับคู่และค่าเบี่ยงเบนมาตรฐาน ซึ่งโดยทั่วไปจะมีค่าน้อยกว่าค่าเบี่ยงเบนมาตรฐานระหว่างกลุ่มตัวอย่าง นี่คือเหตุผลที่การออกแบบแบบจับคู่มีประสิทธิภาพทางสถิติ

เครื่องคำนวณขนาดตัวอย่างสำหรับการวิเคราะห์ความแปรปรวน (ANOVA)

การคำนวณขนาดตัวอย่าง ANOVA ใช้เมื่อการศึกษาเปรียบเทียบค่าเฉลี่ยระหว่างสามกลุ่มขึ้นไปพร้อมกัน แทนที่จะทำการทดสอบ t หลายครั้ง ซึ่งจะทำให้โอกาสเกิดความผิดพลาดประเภทที่ 1 สูงขึ้น ANOVA จะทดสอบสมมติฐานว่างโดยรวมที่ว่าค่าเฉลี่ยของทุกกลุ่มเท่ากันในการวิเคราะห์เพียงครั้งเดียว

พารามิเตอร์สำคัญคือค่า Cohen's f ซึ่งเป็นมาตรวัดขนาดผลกระทบสำหรับการวิเคราะห์ความแปรปรวน (ANOVA) ขนาดเล็ก: f = 0.10; ขนาดกลาง: f = 0.25; ขนาดใหญ่: f = 0.40 เครื่องคำนวณจะแสดงขนาดตัวอย่างทั้งหมดที่ต้องการและรายละเอียดแยกตามกลุ่ม

เครื่องคำนวณขนาดตัวอย่างสำหรับการทดสอบไคสแควร์

การคำนวณขนาดตัวอย่างไคสแควร์ใช้ในงานวิจัยที่เกี่ยวข้องกับผลลัพธ์เชิงหมวดหมู่ เช่น การเปรียบเทียบอัตราการตอบสนอง อัตราการเกิดภาวะแทรกซ้อน หรือความชุกของโรคระหว่างสองกลุ่ม สำหรับการทดสอบไคสแควร์แบบสองสัดส่วน ข้อมูลที่ต้องใช้คือ สัดส่วนที่คาดหวังในแต่ละกลุ่ม ระดับนัยสำคัญ และกำลังการทดสอบที่ต้องการ

หลักเกณฑ์ของ Cohen's w: เล็ก = 0.10, กลาง = 0.30, ใหญ่ = 0.50 ตัวอย่างในทางปฏิบัติ: การเปรียบเทียบอัตราการเกิดเหตุการณ์ไม่พึงประสงค์ 15% กับ 8% ที่กำลังการทดสอบ 80% และ α = 0.05 ต้องใช้ผู้เข้าร่วมประมาณ 300 คนต่อกลุ่มก่อนการปรับแก้สำหรับการออกจากกลุ่มตัวอย่าง