Paano Gamitin ang Editverse Free Sample Size Calculator: Kumpletong Gabay na Hakbang-hakbang (2026)

Inilathala noong Hunyo 20, 2026 | Huling na-update noong Oktubre 11, 2026

Ang wastong pagkalkula ng laki ng sample ay isa sa mga pinakamahalagang hakbang sa disenyo ng klinikal na pananaliksik. Ang isang pag-aaral na kulang sa kakayahan ay nagsasayang ng mga mapagkukunan at maaaring hindi matukoy ang mga tunay na epekto ng paggamot, habang ang isang pag-aaral na sobra sa kakayahan ay nagpapatala ng mas maraming kalahok kaysa sa kinakailangan, na nagpapataas ng mga alalahanin sa etika at mga gastos. Inaalis ng Editverse Free Sample Size Calculator ang panghuhula sa pamamagitan ng pagbibigay ng agarang, napatunayang power analysis para sa 15 istatistikal na pagsubok—lahat nang hindi nangangailangan ng mga pag-download, pagpaparehistro, o pagbabayad.

Nagpaplano ka man ng isang randomized controlled trial, naghahambing ng katumpakan ng diagnostic test, o nag-aanalisa ng mga resulta ng survival, gagabayan ka ng komprehensibong gabay na ito sa bawat feature ng calculator. Sa huli, magagawa mong kumpiyansa na matukoy ang mga kinakailangan sa laki ng sample para sa iyong susunod na pag-aaral at makabuo ng teksto ng metodolohiya na handa nang ilathala na nakakatugon sa mga pamantayan ng journal.

Ano ang Editverse Sample Size Calculator?

Ang Editverse Sample Size Calculator ay isang libre at web-based na power analysis tool na sadyang ginawa para sa mga medical researcher, clinical trialist, at mga akademiko. Gumagamit ito ng mga validated statistical formula na naaayon sa G*Power at mga metodolohiyang inirerekomenda ng PubMed at Cochrane systematic reviews.

Hakbang 1: I-access ang Calculator

Hindi na kailangan ng kahit anong pag-setup para makapagsimula. Pumunta lang sa pahina ng Editverse Sample Size Calculator sa https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/ . Agad na naglo-load ang calculator sa iyong browser nang hindi nangangailangan ng anumang pag-download, plugin, o paggawa ng account. Ginagawa nitong mainam ito para sa mga mananaliksik na nangangailangan ng mabilisang power analyses habang bumubuo ng protocol o mga sesyon ng pagsulat ng grant.

Ang interface ay nagpapakita ng malinis na layout na may dalawang panel na may mga kontrol sa input sa kaliwa at mga resulta na ipinapakita sa kanan. Lumilitaw ang mga tooltip ng tulong kapag nag-hover ka sa mga icon ng tandang pananong sa tabi ng bawat parameter, na nagbibigay ng gabay ayon sa konteksto nang hindi nakakaabala sa iyong daloy ng trabaho.

Hakbang 2: Piliin ang Iyong Pagsusulit na Pang-estadistika

Inaayos ng calculator ang 15 istatistikal na pagsubok sa anim na madaling maunawaang kategorya. Mahalaga ang pagpili ng tamang pagsubok—tinutukoy nito kung aling mga parameter ang kakailanganin mong tukuyin at kung aling mga formula ang ilalapat. Kung hindi ka sigurado kung aling pagsubok ang tumutugma sa disenyo ng iyong pag-aaral, sumangguni sa aming gabay sa pagpili ng tamang istatistikal na pagsubok para sa isang komprehensibong diskarte sa flowchart.

Hakbang 3: Itakda ang mga Parameter na Pang-estadistika

Pagkatapos piliin ang iyong pagsubok, i-configure ang mga pangunahing istatistikal na parameter na naaangkop sa lahat ng disenyo. Ang mga setting na ito ang pangunahing nagtatakda ng iyong kinakailangang laki ng sample—ang maliliit na pagbabago rito ay maaaring makaapekto nang malaki sa mga kinakailangan ng kalahok.

Antas ng Kabuluhan (α)

Ang antas ng kahalagahan ay kumakatawan sa iyong pagpapaubaya para sa Type I error—ang probabilidad ng pagtuklas ng isang epekto kahit wala naman (false positive). Nag-aalok ang calculator ng tatlong karaniwang opsyon: 0.01 (1%), 0.05 (5%), at 0.10 (10%). Karamihan sa mga peer-reviewed journal at regulatory body ay umaasa sa α = 0.05 bilang karaniwang threshold. Ang pagpili ng mas mahigpit na antas tulad ng 0.01 ay nagpapataas ng mga kinakailangan sa laki ng sample ngunit binabawasan ang panganib ng false positive.

Kapangyarihang Pang-estadistika (1-β)

Ang lakas ay kumakatawan sa probabilidad ng wastong pagtuklas ng isang tunay na epekto. Ang calculator ay nagbibigay ng mga opsyon mula 70% hanggang 95%. Ayon sa kumbensyon, 80% na lakas ang minimum na katanggap-tanggap na limitasyon para sa karamihan ng mga pag-aaral, bagaman ang mga high-stakes trial (halimbawa, ang mga Phase III regulatory submissions) ay kadalasang nangangailangan ng 90% na lakas. Ang pagtaas ng lakas ay palaging nagpapataas ng mga kinakailangan sa laki ng sample.

Uri ng Pagsubok: May Isang Buntot vs. May Dalawang Buntot

Pumili ng two-tailed testing kapag ang epekto ng iyong paggamot ay maaaring pumunta sa alinmang direksyon sa teorya—ito ang default para sa karamihan ng pananaliksik. Angkop lamang ang mga one-tailed test kapag mayroon kang matibay na teoretikal na katwiran na ang epekto ay maaari lamang mangyari sa isang direksyon. Maingat na sinusuri ng mga komite sa etika ang mga katwiran ng one-tailed test dahil nangangailangan ang mga ito ng mas maliliit na sample.

Ratio ng Alokasyon

Ang ratio ng alokasyon ang tumutukoy kung paano ipinamamahagi ang mga kalahok sa pagitan ng mga grupo. Kabilang sa mga opsyon ang 1:1 (pantay na alokasyon, pinaka-episyente sa istatistika), 2:1 (doble ang dami sa paggamot), 3:1 (tatlong beses ang dami sa paggamot), at 1:2 (doble ang dami sa kontrol). Maaaring kailanganin ang hindi pantay na alokasyon kapag ang datos ng control group ay magastos kolektahin o kapag ang pagsubaybay sa kaligtasan ay nangangailangan ng mas maraming kalahok sa treatment-arm.

Hakbang 4: Ilagay ang mga Parameter na Tiyak sa Pagsubok

Ang bawat pagsusulit na pang-estadistika ay nangangailangan ng mga natatanging input na sumasalamin sa inaasahang resulta ng iyong pag-aaral. Ang calculator ay nagbibigay ng mga kapaki-pakinabang na halimbawa ng mga halaga at paglalarawan ng parameter upang gabayan ang iyong mga entry.

Mga Parameter ng Two-Sample na T-Test

Para sa mga pag-aaral na naghahambing ng mga mean sa pagitan ng dalawang magkakahiwalay na grupo, tutukuyin mo ang inaasahang mean para sa bawat grupo at ang pinagsamang standard deviation. Halimbawa, sa isang pag-aaral sa presyon ng dugo na naghahambing ng paggamot sa placebo, maaari mong ilagay ang Control Mean = 140 mmHg, Treatment Mean = 130 mmHg, at Standard Deviation = 20 mmHg. Matuto nang higit pa tungkol sa mga aplikasyon ng t-test sa aming gabay na T-tests in Clinical Trials.

Interpretasyon sa Laki ng Epekto (d ni Cohen)

Kapag gumagamit ng mga standardized effect size sa halip na mga raw unit, ang mga kumbensyon ni Cohen ay nagbibigay ng mga kapaki-pakinabang na benchmark: ang d = 0.2 ay kumakatawan sa isang maliit na epekto, ang d = 0.5 ay isang katamtamang epekto, at ang d = 0.8 ay isang malaking epekto. Para sa mga disenyo ng ANOVA gamit ang f ni Cohen: 0.10 = maliit, 0.25 = katamtaman, 0.40 = malaki.

Mga Parameter na Espesipiko sa Klinikal na Pagsubok

Ang mga pagsubok na hindi inferiority at equivalence ay nangangailangan ng isang paunang natukoy na margin (Δ) na kumakatawan sa klinikal na katanggap-tanggap na pagkakaiba. Para sa isang pagsubok na hindi inferiority, ipinapakita mo na ang bagong paggamot ay hindi mas masahol kaysa sa karaniwang pangangalaga nang higit sa margin na ito. Para sa mga pagsubok na equivalence, ipinapakita mo na ang pagkakaiba ay nasa loob ng ±Δ. Ang mga margin na ito ay dapat na makatwiran batay sa klinikal na kahalagahan, hindi lamang sa istatistikal na kaginhawahan.

Mga Parameter ng Pagsusuri ng Kaligtasan

Ang Log-Rank test ay nangangailangan ng hazard ratio (kung saan ang HR < 1 ay nagpapahiwatig na ang paggamot ay nakakabawas ng panganib) at inaasahang probabilidad ng kaganapan. Para sa mga pagsubok sa oncology na sumusuri sa pangkalahatang kaligtasan, ang makatotohanang mga rate ng kaganapan ay mahalaga para sa tumpak na pagtukoy ng laki ng sample.

Mga Parameter ng ROC Curve (AUC)

Para sa mga pag-aaral ng katumpakan ng diagnostic, tukuyin ang inaasahang AUC (lugar sa ilalim ng kurba), null AUC (karaniwang 0.5, na kumakatawan sa random na klasipikasyon), at case-to-control ratio. Ang AUC na 0.7-0.8 ay nagpapahiwatig ng katanggap-tanggap na diskriminasyon, habang ang AUC > 0.8 ay nagmumungkahi ng mahusay na pagganap sa diagnostic. Para sa pinakamainam na pagtukoy ng cutpoint, tingnan ang aming gabay sa Youden Index Calculator.

Hakbang 5: Ayusin ang Rate ng Paghinto

Ang mga pag-aaral sa totoong mundo ay hindi maiiwasang makaranas ng pag-aalis ng mga kalahok. Kasama sa calculator ang isang built-in na dropout adjustment slider na default sa 10%. Awtomatikong pinapalaki ng feature na ito ang iyong target na recruitment upang matiyak ang sapat na lakas sa kabila ng inaasahang pagkalugi sa follow-up.

Ang pormula ng pagsasaayos ay diretso: Naayos na N = Kinakailangang N ÷ (1 – rate ng paghinto). Halimbawa, kung ang iyong kinakailangang sample ay 100 bawat grupo na may 20% inaasahang paghinto, kakailanganin mong kumuha ng 125 bawat grupo (100 ÷ 0.80 = 125).

Hakbang 6: Kalkulahin ang Laki ng Sample

I-click ang buton na “Kalkulahin ang Laki ng Sample” para makabuo ng agarang resulta. Ipinapakita ng calculator ang mga natuklasan sa isang panel ng resulta na kulay teal sa kanang bahagi ng interface, na nagpapakita ng kinakailangang laki ng sample bawat grupo, kabuuang kalahok na kailangan, at mga target sa recruitment na naayos ayon sa dropout.

Hakbang 7: Bigyang-kahulugan ang mga Resulta at Biswalisasyon

Higit pa sa mga hilaw na numero, ang calculator ay bumubuo ng tatlong interactive na tsart na makakatulong sa iyong maunawaan ang ugnayan sa pagitan ng laki ng sample, lakas, at pagtuklas ng epekto.

Power Curve

Ang power curve ay nagpapakita ng statistical power (Y-axis) laban sa laki ng sample bawat grupo (X-axis). Ipinapakita ng visualization na ito kung paano tumataas ang power habang nagdaragdag ka ng mga kalahok, na tumutulong sa iyong matukoy ang "sweet spot" kung saan ang karagdagang pagpapatala ay nagbibigay ng lumiliit na kita. Karaniwang ipinapakita ng curve ang mabilis na pagtaas ng power sa mas maliliit na laki ng sample na umaabot sa plateau habang papalapit ka sa 90-95% na power.

Pagsasanib ng Pamamahagi

Ipinapakita ng tsart na ito ang dalawang magkakapatong na normal na distribusyon na kumakatawan sa iyong mga control at treatment group. Ang mas kaunting magkakapatong ay nagpapahiwatig ng mas malaking effect size at mas madaling pagtuklas ng mga pagkakaiba ng grupo. Ang visual na ito ay tumutulong sa mga reviewer at collaborator na madaling maunawaan kung bakit ang ilang partikular na effect size ay nangangailangan ng mas malalaking sample.

Pagsusuri ng Sensitivity

Inilalarawan ng sensitivity analysis ang mga kinakailangan sa laki ng sample sa tatlong magkakaibang antas ng kahalagahan (α = 0.01, 0.05, 0.10). Ang paghahambing ng mga linyang ito ay makakatulong sa iyo na maunawaan kung paano nakakaapekto ang mahigpit na mga istatistikal na limitasyon sa mga kinakailangan sa recruitment, na kapaki-pakinabang kapag ipinagtatanggol ang iyong mga pagpipilian sa parameter sa mga komite ng etika o mga ahensya ng pagpopondo.

Hakbang 8: Bumuo ng Iyong Ulat na Handa sa Publikasyon

Ang tampok na Ulat ng calculator ay lumilikha ng komprehensibong dokumentasyon na angkop para sa mga seksyon ng mga pamamaraan, mga aplikasyon para sa grant, at mga pagsusumite ng etika. I-click ang buton na “Ulat” upang ma-access ang isang modal na naglalaman ng lahat ng mga parameter ng kalkulasyon at mga resulta sa isang naka-format at handa nang kopyahin na format.

Mga Nilalaman ng Ulat

Kasama sa nabuong ulat ang ispesipikasyon ng iyong disenyo ng pag-aaral, lahat ng mga parameter ng input na may mga halaga, kinakalkulang laki ng sample bawat grupo at kabuuan, mga detalye ng pagsasaayos ng dropout, at—mahalaga—mga paunang nakasulat na teksto ng metodolohiya na handa nang ilathala. Ang tekstong ito ay sumusunod sa mga karaniwang kumbensyon sa pag-uulat sa istatistika at maaaring kopyahin nang direkta sa iyong manuskrito.

Mga Pagpipilian sa Pag-export

Piliin ang “Kopyahin sa Clipboard” para i-paste ang mga resulta sa anumang dokumento, o “I-download bilang Teksto” para i-save ang isang .txt file para sa iyong mga talaan. Ang pagpapanatili ng mga talaang ito ay nagsisiguro ng kakayahang kopyahin ito at nagbibigay ng dokumentasyon kung sakaling kuwestiyunin ng mga tagasuri ang katwiran ng laki ng iyong sample.

Paano Banggitin ang Editverse Sample Size Calculator

Kapag naglalathala ng pananaliksik na gumamit ng calculator na ito, ang wastong pagsipi ay nagpapakita ng transparency sa metodolohiya. Nagbibigay ang calculator ng mga handa nang pagsipi sa iba't ibang format:

Praktikal na Halimbawa: Kumpletong Pagtalakay

Pag-usapan natin ang isang makatotohanang senaryo nang paunti-unti. Isipin mong nagpaplano ka ng isang randomized controlled trial na naghahambing sa isang bagong gamot para sa altapresyon sa placebo.

Disenyo ng Pag-aaral: Inaasahan mo na ang control group ay magkakaroon ng mean systolic blood pressure na 140 mmHg, habang ang treatment group ay dapat makamit ang 130 mmHg. Ang mga naunang literatura ay nagmumungkahi ng standard deviation na 20 mmHg sa mga katulad na populasyon. Gusto mo ng 80% power na may α = 0.05 gamit ang two-tailed test at 1:1 allocation. Inaasahan mo ang 15% dropout sa loob ng 12-linggong panahon ng pag-aaral.

Hakbang-hakbang na Pagkalkula

1. Piliin ang “Two-Sample T-Test (Dalawang Grupo)” mula sa dropdown menu.

2. Itakda ang Antas ng Kabuluhan sa 0.05 (5%).

3. Itakda ang Power sa 80%.

4. Pumili ng uri ng Two-tailed test.

5. Itakda ang Ratio ng Alokasyon sa 1:1.

6. Ilagay ang Inaasahang Karaniwang Halaga Grupo 1 (Kontrol): 140 mmHg.

7. Ilagay ang Inaasahang Karaniwang Grupo 2 (Paggamot): 130 mmHg.

8. Ilagay ang Standard Deviation: 20 mmHg.

9. Ayusin ang Dropout Rate slider sa 15%.

10. I-click ang “Kalkulahin ang Laki ng Sample.”

Mga Tip para sa mga Komite sa Etika at mga Aplikasyon para sa Grant

Maingat na susuriin ng mga tagasuri na susuri sa iyong protocol ang katwiran sa laki ng sample. Sundin ang mga pinakamahusay na kasanayang ito upang matiyak ang pag-apruba:

Ipaliwanag ang Iyong Laki ng Epekto: Sumangguni sa pilot data, mga nailathalang literatura, o sa minimum clinically important difference (MCID) para sa iyong sukat ng kinalabasan. Iwasan ang pagpili ng mga laki ng epekto dahil lamang sa nakakagawa ang mga ito ng mga maginhawang laki ng sample.

Ipaliwanag ang Alpha at Power Choices: Bagama't ang α = 0.05 at 80% power ay conventional, maikling sabihin kung bakit angkop ang mga ito para sa konteksto ng iyong pag-aaral. Ang mga high-stakes regulatory trials ay maaaring mangailangan ng 90% power na may α = 0.01.

Mga Pagpapalagay sa Pagtigil sa Pag-aaral na May Dokumento: Magbanggit ng mga katulad na pag-aaral na sumusuporta sa iyong inaasahang antas ng pag-alis ng estudyante. Ipinapakita ng built-in na pagsasaayos ng calculator na nakapagplano ka na para sa mga totoong hamon sa pagpapatala.

Gamitin ang Tampok na Ulat: Bumuo ng kumpletong ulat ng kalkulasyon at isama ito bilang karagdagang materyal. Tinitiyak nito na mabeberipika ng mga tagasuri ang iyong mga numero nang nakapag-iisa.

Editverse Calculator kumpara sa Iba Pang Mga Tool sa Pagsusuri ng Power

Paano maihahambing ang Editverse calculator sa mga alternatibo? Itinatampok ng sumusunod na paghahambing ang mga pangunahing pagkakaiba:

Mga Madalas Itanong

Ano ang pagkalkula ng laki ng sample?

Tinutukoy ng pagkalkula ng laki ng sample ang minimum na bilang ng mga kalahok na kailangan upang matukoy ang isang makabuluhang epekto sa istatistika na may katanggap-tanggap na probabilidad. Tinitiyak nito na ang iyong pag-aaral ay may sapat na kapangyarihan habang iniiwasan ang hindi kinakailangang malaking pagpapatala na nagsasayang ng mga mapagkukunan at naglalantad sa mas maraming kalahok sa mga potensyal na panganib.

Paano ko kakalkulahin ang laki ng sample para sa isang clinical trial?

Piliin ang disenyo ng iyong pagsubok (superiority, non-inferiority, o equivalence), ilagay ang inaasahang pagkakaiba sa paggamot, standard deviation, antas ng kahalagahan (karaniwang α = 0.05), at ninanais na power (karaniwang 80%). Kinakalkula ng calculator ang mga kinakailangang kalahok bawat braso at inaayos para sa inaasahang dropout.

Ano ang statistical power?

Ang statistical power (1-β) ay ang probabilidad ng wastong pagtanggi sa null hypothesis kapag mayroong totoong epekto. Sa 80% power, mayroon kang 80% na pagkakataon na matukoy ang isang tunay na pagkakaiba kung mayroon man. Ang mas mataas na power ay nakakabawas sa panganib ng maling negatibong resulta ngunit nangangailangan ng mas malalaking sample.

Anong laki ng epekto ang dapat kong gamitin?

Ibatay ang laki ng iyong epekto sa mga datos mula sa iyong sariling mga paunang pag-aaral, mga nailathalang literatura na nag-uulat ng mga katulad na interbensyon at populasyon, o ang minimum na klinikal na mahalagang pagkakaiba (MCID) na itinatag para sa iyong sukatan ng kinalabasan. Iwasan ang paggamit ng mga arbitraryong "medium" na epekto nang walang klinikal na katwiran.

Mas tumpak ba ang Editverse calculator kumpara sa G*Power?

Oo. Gumagamit ang calculator ng parehong napatunayang mga pormulang pang-estadistika gaya ng G*Power at nagbubunga ng magkatumbas na mga resulta para sa magkaparehong mga input. Parehong ipinapatupad ng mga tool ang karaniwang metodolohiya sa pagsusuri ng kuryente.

Maaari ko bang gamitin ang calculator na ito para sa mga obserbasyonal na pag-aaral?

Oo. Ang mga pagsusulit na korelasyon, regresyon, at Chi-square ay naaangkop sa mga disenyo ng obserbasyon. Gayunpaman, ang mga kalkulasyon ng laki ng sample para sa pananaliksik sa obserbasyon ay maaaring mangailangan ng mga karagdagang konsiderasyon tulad ng pagsasaayos ng confounding na higit pa sa simpleng pagsusuri ng kapangyarihan.

Mga Serbisyo ng Suporta sa Estadistika ng Propesyonal

Bagama't ang Editverse calculator ang humahawak sa mga karaniwang power analyses, ang mga kumplikadong disenyo ng pag-aaral ay maaaring makinabang mula sa konsultasyon ng eksperto. Tinutulungan ng aming statistical team ang mga mananaliksik sa mga multi-arm adaptive trials, Bayesian sample size determination, cluster randomized designs, at mga kumplikadong survival model.

Mga Kaugnay na Mapagkukunan ng Editverse

Konklusyon

Ang wastong pagkalkula ng laki ng sample ay hindi maaaring pag-usapan para sa masusing pananaliksik. Ang Editverse Free Sample Size Calculator ay nagbibigay ng lahat ng kailangan ng mga mananaliksik—15 statistical test, interactive visualization, dropout adjustment, at mga ulat na handa nang ilathala—nang walang gastos o kasalimuotan. I-bookmark ang tool na ito at balikan ito tuwing nagdidisenyo ka ng isang bagong pag-aaral, tumutugon sa mga komento ng tagasuri tungkol sa power analysis, o nagtuturo ng mga pamamaraan ng pananaliksik sa mga trainee.

Para sa mga pag-aaral na nangangailangan ng advanced statistical design na higit pa sa karaniwang power analysis, isaalang-alang ang pagkonsulta sa aming ekspertong pangkat na dalubhasa sa kumplikadong metodolohiya ng clinical trial.