临床研究统计效能分析：样本量与检验力计算全攻略

引言Introduction

临床研究里，很多“阴性结果”未必真没差异，常见原因是样本量不足、检验力不够、统计设计不匹配。如果效能分析做错，结果再漂亮也可能不可信。

1. 先搞清楚，什么是统计效能分析

1.1 检验力、α和β分别代表什么

统计效能分析，核心是看研究有没有足够能力检出真实差异。检验力，也叫把握度，通常写作 1-β。 它表示当真实存在差异时，研究能检出来的概率。

• α，是假阳性错误概率，常用 0.05。
• β，是假阴性错误概率。
• 检验力越高，越不容易漏掉真实差异。

在临床研究中，检验力一般建议设为 0.8 或 0.9。
如果低于 0.75，研究结论就容易被质疑。

1.2 为什么编辑和审稿人总问效能

因为统计效能直接关系到结果可信度。样本太少，哪怕存在真实疗效，也可能因为波动太大而检不出来。
这类问题在临床中很常见，尤其是单中心、小样本、随访时间短的研究。

从研究设计角度看，效能不是事后补救项，而是立题时就要定好的参数。
一旦前期没设好，后面再做复杂统计，也很难完全弥补。

2. 样本量为什么决定检验力

2.1 样本量越大，越容易看见真实差异

样本量是效能分析的基础。简单说，研究对象越多，抽样误差越小，结果越稳定。
这也是为什么很多阴性试验并不是真的“无效”，而是“没检出来”。

在其他条件不变时，样本量增加，检验力会上升。
这是临床统计中最重要的基本关系之一。

2.2 影响样本量的4个核心因素

样本量不是随便拍脑袋定的。它通常由下面几个因素共同决定：

1. 检验水准α。 α越小，样本量越大。
2. 检验力1-β。 目标检验力越高，样本量越大。
3. 效应量或差值δ。 差异越小，越难检出，样本量越大。
4. 总体变异度。 标准差越大，样本量越大。

其中，差值δ往往来自预实验、既往文献或专业判断。
不是越大越好，也不是越小越好，要看真实临床意义。

2.3 双侧检验和单侧检验的差别

在同样α水平下，双侧检验所需样本量通常大于单侧检验。
原因很直接。双侧检验把错误风险分散到两端，检出难度更高。

临床研究里，除非有明确单向假设，否则通常优先采用双侧检验。
这更稳妥，也更容易被期刊接受。

3. 不同研究目的，数据集和统计思路不一样

3.1 有效性试验、优效试验和非劣效试验

临床研究不是只有“有没有差异”这一种问题。不同目的，对应不同分析集和统计策略。

• 优效性试验。 证明A药优于B药。
• 非劣效试验。 证明A药不比B药差太多。
• 等效性试验。 证明两者差异在可接受范围内。

研究目的不同，样本量计算和结局解释方式都会变。
如果目的设错，后面的统计方法也会跟着偏。

3.2 ITT、PP和全分析集怎么选

RCT中常见的数据集包括 ITT、PP 和全分析集。
它们的选择，和研究目的密切相关。

• 优效性试验 常偏向 ITT 或全分析集，结果更保守。
• 非劣效或等效试验 更强调 PP 分析，避免疗效被稀释。

原因很明确。
优效试验怕夸大疗效，非劣效试验怕低估真实效果。

在临床研究里，通常建议同时查看 ITT 和 PP 结果。
如果两者一致，结论更稳。

4. 临床研究里常见的样本量计算思路

4.1 率、均数和生存结局，算法不同

临床中不是所有结局都能用同一套公式。
常见的有三类：

1. 率的比较。 如治愈率、复发率、阳性率。
2. 均数的比较。 如血压、评分、实验室指标。
3. 生存资料。 如PFS、OS、复发时间。

结局指标不同，样本量公式就不同。
这是新手最容易混淆的地方。

4.2 生存资料常看HR

在肿瘤和预后研究中，HR 是高频指标。
它反映的是两个组在某个时间段内风险的相对大小。

如果研究终点是生存结局，样本量通常不能只看事件数，还要考虑：

• 入组时间
• 随访时间
• 脱落率
• 事件发生率

这也是为什么生存资料的样本量计算比一般率差比较更复杂。
不是简单把总例数凑够就行。

4.3 预实验和文献参数很关键

很多研究会依赖预实验或既往文献来定参数。
这是合理的，但前提是来源可靠、定义一致、终点一致。

常见做法包括：

• 用既往研究的事件率或均数作为参考
• 用预实验估计标准差
• 用临床可接受的最小差异作为δ
• 预留 5%到20% 的失访或脱落

参数来源越清楚，样本量越可信。

5. 统计效能分析中最常见的误区

5.1 把“有差异”误解成“有临床意义”

统计学显著，不等于临床有意义。
一个差异即使P值小，也可能临床价值有限。

反过来，临床上很重要的差异，也可能因为样本量不足而没达到统计学显著。
这就是统计效能不足带来的典型风险。

5.2 只看P值，不看效能

P值只能说明在原假设成立时，观察到当前结果的概率。
它不能直接告诉你研究有没有足够能力发现差异。

所以，论文里最好同时说明：

• 样本量估算依据
• 目标检验力
• α水平
• 主要效应量
• 失访率设定

没有效能说明的研究，方法学说服力会明显下降。

5.3 把回归分析当成万能补丁

当随机分组不给力，或者协变量较多时，研究者常想靠回归分析“补救”。
但回归不能代替前期设计。

它能做的是：

• 调整混杂因素
• 识别影响因素
• 发现交互作用

它不能做的是：

• 让严重不足的样本量凭空变得充分
• 让设计缺陷自动消失

设计优先于修正，永远是临床统计的底线。

6. 临床研究中如何实际开展效能分析

6.1 先定问题，再定指标

正确顺序应该是：

1. 明确研究目的
2. 选择主要终点
3. 确定结局类型
4. 选择统计方法
5. 设定α和检验力
6. 估计样本量

不要先算样本量，再倒推研究问题。
这是最常见的反向操作错误。

6.2 按研究类型选择分析方法

如果你的结局不同，方法也不同。常见搭配如下：

• 两组率比较，常用卡方检验或率差分析
• 两组均数比较，常用t检验
• 多组均数比较，常用方差分析
• 非正态或等级资料，常用非参数检验
• 时间结局，常用KM法、Cox回归

方法选错，样本量计算也会跟着错。

6.3 用软件计算，更稳妥

临床研究中，PASS 是常见的样本量计算软件。
它适合做较复杂的设计，比如：

• 优效性试验
• 非劣效试验
• 生存分析
• 多因素模型
• 分层设计

对医学生和研究者来说，软件能减少手算误差。
但前提是参数输入正确。

7. 写论文时，效能分析应该怎么呈现

7.1 方法学部分要写清楚

建议至少写明：

• 研究类型
• 主要终点
• α水平
• 检验力
• 样本量计算依据
• 失访率或脱落率预估
• 使用的软件或方法

这样写，审稿人一眼能看懂。
也更符合 E-E-A-T 对专业性和可信度的要求。

7.2 结果部分要对应解释

如果实际样本量和计划样本量有偏差，要说明原因。
比如：

• 入组困难
• 随访中断
• 终点事件不足
• 排除标准过严

解释必须真实、简洁、可验证。
不要用模糊措辞带过。

7.3 解螺旋可以帮你把统计方案做规范

很多临床研究问题，不是不会算，而是不知道该先定什么、后定什么。
如果你在样本量估算、效能分析、终点选择、统计方法匹配上需要更系统的支持，解螺旋可以提供更贴近临床研究场景的方案设计与数据分析思路。
这样能减少前期设计失误，也能提高投稿时的方法学完整度。

总结Conclusion

临床研究统计效能分析，核心不是单纯算一个数字，而是把研究目的、效应量、α、β、样本量和统计方法 统一起来。
样本量决定能不能看见差异，检验力决定能不能可信地看见差异。
对医学生、医生和科研人员来说，真正重要的不是“算得快”，而是“设得对、写得清、解释得住”。

如果你正在准备课题设计、论文投稿或伦理申报，建议尽早把样本量和效能分析纳入方案。
这一步做扎实，后面的统计和结论才更稳。想让临床研究少走弯路，可以进一步了解解螺旋的专业支持。