样本量估算工具怎么选？3大核心指标

引言Introduction

临床研究里，样本量估算工具 选错，常见后果是样本不足、效能不够，或者样本过大、浪费资源。对于医学生、医生和科研人员来说，真正难的不是“会不会算”，而是“该按什么原则选工具”。

样本量估算工具的选择，本质上取决于研究目的、结局类型和关键参数是否可获得。 只要这三点不清楚，算出来的数字再漂亮，也可能不适合你的课题。

1. 先看研究目的，再决定工具方向

1.1 不同研究目的，对应不同计算逻辑

样本量估算工具不是通用计算器。它首先服务于研究目的。比如，比较两组治疗是否有差异，常用的是两样本率差异检验。若研究目标是证明A药优于B药，则应考虑优效性检验。若目标是证明A药不比B药差，则应考虑非劣效性或等效性设计。

同样是“比较”，不同目的决定了不同的零假设和界值。 差异性检验通常以0为参考。优效和非劣效研究则要先设定临床上有意义的界值。这个界值不是随便填的，而是由专业依据或预试验结果确定。

1.2 工具要能匹配你的统计设计

如果研究设计是RCT，分析思路通常跟着随机化和纳排标准走。此时样本量估算工具最好能支持：

• 两样本率比较
• 单因素方差分析
• 非参数检验的近似估计
• 生存分析
• 回归分析

工具能不能覆盖你的研究设计，决定了它是不是“可用”，而不是“好看”。 很多阴性试验，并不是药物没效，而是样本量估算本身就没做好。

2. 再看结局类型，决定输入参数

2.1 数值变量、分类变量、时间结局，工具要求不同

样本量估算工具最关键的一步，是识别结局变量类型。不同变量类型，所需参数完全不同。

• 数值变量：常用于两样本t检验、方差分析
• 二分类变量：常用于率的比较、卡方检验
• 时间变量：常用于KM法、Cox回归
• 多因素模型：常用于线性回归、Logistic回归、Cox回归

如果结局变量类型判断错了，后面的样本量就没有意义。 例如，二分类结局不能按连续变量去算，时间结局也不能直接套用率的公式。

2.2 统计效能、显著性水平和差值，缺一不可

在多数样本量估算工具中，至少要输入三个核心参数：

1. 检验效能，通常是0.8或0.9。
2. 显著性水平，通常是0.05。
3. 差值或效应量，也就是你希望检出的最小临床差异。

效能越高，所需样本量越大。Alpha越小，样本量也会增加。差值越小，样本量同样会增大。这三个参数共同决定了样本量，不是单独一个数值能说清的。

如果是非劣效或优效研究，还要额外关注界值。这个界值通常是研究者预先设定的专业阈值。没有界值，工具也无法给出可靠结果。

3. 最后看模型复杂度，判断是否适合经验性估算

3.1 多因素分析时，很多软件并不擅长精确计算

对于多元线性回归、Logistic回归、因子分析、Cox回归等多因素模型，实际操作中常会遇到一个问题：很多样本量估算工具并不能给出可靠的精确值。 这时常用经验性估计。

BMJ相关文献提到，多因素分析的样本量常按自变量个数的5倍、10倍或20倍估算。比如：

• 10个自变量，按1:10，至少100例
• 10个自变量，按1:20，至少200例

对于Cox回归，还要看终点事件发生率。重点不是总例数，而是终点事件数是否足够。 例如希望按1:10估算，通常要观察到足够的事件数，而不是只看总入组人数。

3.2 经验性估算适合什么场景

经验性样本量估算更适合以下场景：

• 变量多，模型复杂
• 预试验数据有限
• 软件难以直接精算
• 需要快速评估可行性

这类工具的价值，不在于“精确到小数点后几位”，而在于帮助你判断研究是否具备基本可行性。 如果模型里有10个自变量，却只招募几十例样本，结论往往不稳。

4. 选样本量估算工具时，最实用的3个核心指标

4.1 指标一，是否匹配研究问题

第一看工具能不能对应你的研究目的。是差异检验、优效、非劣效，还是回归建模。这个决定了公式类型和输入参数。

工具不匹配研究问题，再高级也没用。 这是最优先的一票否决项。

4.2 指标二，是否支持你的结局类型

第二看工具是否支持你的结局变量。数值、分类、时间结局，对应的统计方法和样本量逻辑都不同。

如果你的课题是生存结局，就要优先考虑支持Cox回归或生存分析的工具。若是二分类结局，就要看是否支持率比较或Logistic回归。结局类型决定了工具的底层逻辑。

4.3 指标三，是否能合理处理关键参数

第三看工具是否能处理效能、显著性水平、差值、方差、事件率、R²等参数。尤其是多因素分析时，R²和标准差常常需要预试验或文献支持。

当关键参数无法准确获得时，不要硬算。可用预试验数据、已发表文献，或采用经验性估计。参数来源不清，样本量结果就不可信。

5. 实操建议：什么时候该用哪类工具

如果你的研究是：

• 两组率比较 ，优先选能处理二分类结局的工具
• 多组均值比较 ，优先选方差分析相关工具
• 生存结局 ，优先选支持Cox回归或生存分析的工具
• 多因素模型 ，优先参考经验性估算或专门模块

对于初学者，最容易犯的错误是把“能算”当成“算对了”。实际上，样本量估算工具只是辅助，前提是研究设计、变量定义和参数设定都正确。 这也是为什么临床研究里，样本量往往要在方案设计阶段就提前讨论。

如果你已经有明确课题，但不知道该选哪种样本量估算工具，先回到研究目的和变量类型，再决定公式和方法。 这是最稳妥的路径。

总结Conclusion

样本量估算工具怎么选，核心就看三点：研究目的是否匹配，结局类型是否一致，关键参数是否可靠。 对多因素分析来说，很多时候还需要经验性估计，不能只依赖软件一键生成结果。对医学生、医生和科研人员而言，真正重要的是先把研究问题讲清楚，再选工具。

如果你希望少走弯路，建议在课题设计、参数设定和样本量估算阶段就借助解螺旋 的专业支持，先把方法选对，再把样本算准。这样更利于提高研究可行性、可信度和后续发表效率。