Editverse 样本量计算器
免费医学研究工具快速指南
- 从下拉菜单中选择您的研究设计
- 输入预期效应量或组参数
- 如果参与者可能退出研究,则需调整退出率。
- 点击“计算”查看所需样本量
提示:将鼠标悬停在(?)图标上,即可查看每个参数的详细说明。
使用方法:选择统计检验方法
根据您的研究设计和数据类型选择合适的检验方法。
均值比较检验
两样本 T 检验
何时使用:比较两个独立组之间的均值
典型值:
- 血压:平均差值 =
5-10mmHg,SD =12-15 - HbA1c:平均差异 =
0.5-1.0%,标准差 =1.2-1.5
配对t检验
使用时机:对同一受试者进行测量前后对比
典型值:
- 疼痛评分:平均差异 =
2差异的标准差 =3 - 治疗后血压:平均差值 =
10mmHg,SD =12
单样本 T 检验
何时使用:将样本均值与已知参考值进行比较
典型值:
- 参考 =
100预期值 =105,SD =15
方差分析(3组以上)
适用场景:比较 3 个或 3 个以上组的均值
效应量(Cohen's f):
- 小:
0.10| Medium:0.25| 大:0.40
比较比例的检验
两个比例(卡方检验)
适用场景:比较两组人群的比率
典型值:
- 响应:控制组 =
30%治疗 =50% - 不良事件:药物 A =
15%药物 B =8%
单比例
何时使用:将观测值与已知值进行比较
典型值:
- 历史 =
20%预期值 =12%
临床试验设计
优效性试验
适用时机:证明新疗法优于对照组
- 平均差异 =
10,SD =20
非劣效性试验
何时使用:证明新疗法不比旧疗法更差
- 保证金 =
-10%(临床上可接受的)
等效性试验
何时使用:证明治疗方法相同(生物等效性)
- 保证金 =
±20%or±15%
生存分析
对数秩检验
适用场景:生存分析
- 总生存期:HR =
0.75事件发生率 =30% - 无进展:HR =
0.65事件发生率 =50%
相关与回归
相关性
相关强度(r):
- 小:
0.10| Medium:0.30| 大:0.50
线性回归
效应量(R²):
- 小:
0.10| Medium:0.25| 大:0.40
Logistic回归
规则:每个预测因子 10-20 个事件
诊断研究
灵敏度/特异性
- 筛查:灵敏度 =
90%精度 =±5% - 确认性:特异性 =
95%精度 =±3%
ROC曲线(AUC)
- AUC
0.50= 随机 |0.70-0.80= 可接受 |>0.80= 优秀
对比分析:Editverse 与其他计算器
了解研究人员为何选择 Editverse 进行功效分析
| 特性 | 编辑宇宙 | G*功率 | PS电源 | OpenEpi | 密封信封 |
|---|---|---|---|---|---|
| 价格筛选 | ✓免费 | 免费 | 免费 | 免费 | 免费增值模式 |
| 平台 | ✓ 网页版(无需下载) | 仅限台式机 | 仅限台式机 | 网上 | 网上 |
| 移动友好 | ✓ 是 | ✗ 没有 | ✗ 没有 | 有限 | 有限 |
| 临床试验设计 | ✓ 所有 3 种类型 | 有限 | 是 | ✗ 没有 | 是 |
| 生存分析 | ✓ 对数秩 | 是 | 是 | ✗ 没有 | 有限 |
| 互动图表 | ✓ 是 | 是 | ✗ 没有 | ✗ 没有 | ✗ 没有 |
| 出版报告 | ✓ 是 | ✗ 没有 | ✗ 没有 | ✗ 没有 | ✗ 没有 |
| 掉线调整 | ✓ 内置 | 用户手册 | 用户手册 | ✗ 没有 | 是 |
| ROC/AUC | ✓ 是 | ✗ 没有 | ✗ 没有 | ✗ 没有 | ✗ 没有 |
| 账号注册 | ✓ 无需 | 没有 | 没有 | 没有 | 某些功能 |
如何引用此计算器
请使用以下格式撰写方法论部分、伦理申请和出版物。
📝 正文(方法部分)
样本量是使用 Editverse 样本量计算器(Editverse,2025)计算的,这是一个经过验证的用于医学研究的在线功效分析工具。
📚 APA 第 7 版
Editverse. (2025). Editverse 样本量计算器[在线工具]。https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/
📖 温哥华/ICMJE
Editverse. Editverse 样本量计算器 [互联网]。2025 [引用日期:2025 年 1 月 6 日]。可从以下网址获取:https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/
🔬完整方法论示例
样本量计算:使用 Editverse 样本量计算器 (https://editverse.com) 确定所需样本量。基于双样本 t 检验,α = 0.05,80% 的统计功效,均值差为 10 个单位,标准差为 25 个单位,我们计算出每组需要 78 名参与者(共 156 名)。考虑到 20% 的脱落率,我们计划共招募 196 名参与者。
💡 伦理委员会和拨款申请小贴士
- 证明效应大小的合理性: 参考试点数据或已发表文献
- 解释α和功率: 标准为α=0.05,功效=80%
- 考虑辍学情况: 使用我们内置的退出滑块
- 包含参数: 审核人员希望核实你的数据。
- 使用报告功能: 一键生成可直接用于出版的文本
研究功率分析计算器
功效分析用于估计在控制I类错误和II类错误概率的情况下,检测出具有统计学意义的效应所需的最小样本量。I类错误(假阳性)是指研究错误地得出效应存在的结论;II类错误(假阴性)是指遗漏了真实存在的效应。大多数生物医学和临床研究的目标是在显著性水平α = 0.05下达到80%的功效(1-β = 0.80)。
研究人员使用此功效分析计算器,指定预期效应量、显著性水平、所需功效和研究设计。计算器随后会返回所需的样本量。在数据收集之前进行功效分析,可确保研究既不会功效不足(导致假阴性结果),也不会样本量过大(造成资源浪费并引发不必要的受试者招募等伦理问题)。
效应量可以从初步数据、已发表的文献或最小临床重要差异中得出。当没有先验数据时,Cohen 的效应量标准(t 检验中,小效应:d = 0.2,中效应:d = 0.5,大效应:d = 0.8;方差分析中,f = 0.10/0.25/0.40)可作为参考起点。
运行功率分析 ↑临床试验样本量计算器
临床试验在招募受试者之前需要进行严格的样本量计算。样本量不足的试验可能无法检测到真正的治疗差异,而样本量过大的试验则会使过多的受试者暴露于不必要的实验条件下。伦理委员会和资助机构要求在方案审批过程中提供充分且合理的样本量计算结果。
此计算器支持三种核心临床试验设计。优效性试验检验新疗法是否优于对照组;所需输入参数包括预期均值差、标准差、显著性水平和所需统计功效。非劣效性试验检验新疗法是否不劣于既定标准;关键的附加参数是非劣效性界值。等效性试验检验两种疗法在特定范围内是否产生相同的效果。
对于基于生存的临床试验,该计算器使用对数秩检验公式,需要预期风险比、事件发生率和随访持续时间。
临床试验计算的关键输入
- 预期治疗差异或风险比
- 标准差(适用于连续性结果)
- 显著性水平:通常
α = 0.05 - 统计功效:通常
80%or90% - 分配比例(例如,
1:1or2:1) - 非劣效性或等效性界值(如适用)
- 预期掉线率(使用内置掉线率滑块)
患病率样本量计算器
基于患病率的样本量计算方法常用于横断面研究和流行病学研究,这类研究的主要目的是估计人群中具有特定疾病、暴露或特征的比例。与比较研究不同,这类研究设计并不检验组间假设,而是以特定的精度估计总体参数。
患病率研究所需的样本量取决于预期患病率 (p)、可接受的误差范围 (d) 和置信水平(通常为 95%,对应于 Z = 1.96)。当研究人群有限且相对较小时,有限人群校正因子可以减少所需的样本量。
研究人员可以使用计算器中的“单比例”选项直接模拟患病率研究。一个常见的例子是:假设某城市诊所的高血压患病率为 30%,误差范围为 5%,置信度为 95%,则在未考虑无应答情况之前,大约需要 323 名参与者。
用于患病率计算的典型输入参数
- 预期患病率:例如,
30%(或使用50%(最大限度保守) - 误差范围:通常
5%通识教育方面,3%用于精确研究 - 置信水平:
95%(Z = 1.96)或99%(Z = 2.576) - 人口规模:如果适用有限人口修正,请输入
T检验样本量计算器
t检验样本量计算适用于比较一组数据与参考值、两组独立数据或同一受试者配对测量数据之间的均值差异。三种t检验设计——单样本t检验、双样本(独立)t检验和配对t检验——在输入参数和样本量输出结果的解释上有所不同。
对于双样本t检验,每组所需的样本量取决于组间预期均值差异、合并标准差、显著性水平、统计功效和检验方向。对于配对t检验,关键参数是配对测量值之间的均值差异及其标准差——通常小于组间标准差,这也是配对设计具有统计效率的原因。
t检验计算的典型参数值
- 血压研究:平均差值 =
5–10mmHg,SD =12–15 - HbA1c 研究:平均差异 =
0.5–1.0%,标准差 =1.2–1.5 - 减肥试验:安慰剂组 =
0kg,药物 =−5kg,SD =8 - Cohen's d 的约定:小 =
0.2中等 =0.5大 =0.8
方差分析样本量计算器
当一项研究同时比较三个或更多组的均值时,需要使用方差分析(ANOVA)进行样本量计算。与运行多个 t 检验(这会增加 I 类错误率)不同,方差分析通过一次分析检验所有组均值相等的总体零假设。
关键参数是Cohen's f,它是方差分析的效应量指标。小效应:f = 0.10;中效应:f = 0.25;大效应:f = 0.40。计算器会返回所需的总样本量以及各组的样本量细分。
方差分析参数参考
- 组数:例如,
3(对照组 + 2 项干预措施) - 效应量(Cohen's f):小
0.10| 中等的0.25| 大0.40 - 显著性水平:
α = 0.05 - 电源:
80%or90%
卡方检验样本量计算器
卡方样本量计算用于处理分类结果的研究,例如比较两组之间的应答率、并发症发生率或疾病患病率。对于双比例卡方检验,所需的输入参数包括每组的预期比例、显著性水平和所需的统计功效。
Cohen's w 的约定:小 = 0.10,中 = 0.30,大 = 0.50。一个实际的例子:在 80% 的统计功效和 α = 0.05 的显著性水平下,比较 15% 和 8% 的不良事件发生率,在进行脱落调整之前,每组大约需要 300 名参与者。
卡方计算的典型输入参数
- 控制比例:例如,
30%反应速度 - 治疗比例:例如,
50%反应速度 - 效应量(Cohen's w):小
0.10| 中等的0.30| 大0.50 - 显著性水平:
α = 0.05 - 电源:
80%
常見問題解答
什么是样本量计算?
样本量计算确定了检测到统计学显著效应所需的最小参与者人数。它既能确保足够的统计效力,又能避免不必要的招募。
如何计算临床试验的样本量?
选择您的试验设计,输入预期治疗差异、标准差、显著性水平 (α=0.05) 和统计功效 (80%)。我们的计算器将计算每个试验组所需的受试者人数。
什么是统计功效?
统计功效 (1-β) 是检测到真实效应的概率。80% 的功效意味着如果效应真实存在,则有 80% 的概率发现显著性。更高的功效需要更大的样本量。
我应该使用多大的效应量?
效应量基于以下三种标准:(1)初步数据,(2)已发表文献,或(3)最小临床重要差异。Cohen's d:0.2=小,0.5=中,0.8=大。
这个计算器是免费的吗?
是的!完全免费,可用于学术和商业用途。无需注册,无需下载,没有任何限制。直接在浏览器中使用即可。
与 G*Power 相比准确度如何?
我们使用相同的已验证统计公式。对于相同的输入,结果相同。优势:无需安装,即可通过网页访问。
相关文章
了解更多关于研究统计分析的知识






