样本量计算 样本量的计算，你弄懂了吗？

在撰写文章或设计临床研究项目时，研究人员经常会纠结于“我的研究需要多少病例”和“我有xx个可用病例，可以发文章吗？”。如果样本量太小，很难得到预期的结果，结果不稳定，出错的风险也大，容易得到“假阴性”结果；如果样本量过大，会增加测试的成本和难度。

这类问题可以通过幂分析来解决，可以帮助判断检测到给定的效应值时所需的样本量，即计算样本量。

可以实现样本量计算的软件有很多，比如power和样本量，g * power，epi tools，pass，quiry advisor+interim，dstplan，PC-size等。它们的功能不同，学习和使用的难度也不同。

事实上，要计算样本量，需要确定研究设计的类型和差异比较的检验方法，如T检验、卡方检验、比率检验、单向方差分析、相关分析等。

今天我们介绍一下如何用R软件的pwr包计算T检验的样本量(当然R软件里也有其他的包可以做，比如Epicalc，有兴趣的伙伴可以摸索一下)。

样本量计算过程

1 -install.packages(pwr)

打开r软件，安装pwr包；

2-图书馆(pwr)

每次使用前应装载压水堆包。

3.运行代码来计算样本大小(请参见下面的详细代码描述)。

pwr.t.test()函数为t-test提供了许多有用的选项。格式是:

pwr.t.test(n = NULL，d = NULL，sig.level = 0.05，power = NULL，type = c("two.sample "，" one.sample "，" paired ")，alternative = c("two.sided "，" less "，" greater "))

每个元素解释如下:n为样本大小；d为效应值，即标准化均值差:均值差/标准差；Sig.level表示显著性级别(默认值为0.05)；权力是功效的高低；类型是指检验类型:两个独立样本t检验、一个样本t检验或配对样本t检验，默认为双样本t检验。替代的是检验方式，包括双边检验、单边检验-次优检验和上级检验，默认为双边检验。

这里有一些具体的例子来说明t检验的样本量估计。

实施例1单一样品测试

某药厂研究一种新药对高血压的疗效，要求服药后舒张压下降1.5kPa。根据以往的测试，舒张压下降的标准差为3kPa。如果规定α=0.05，试验效率为1-β=0.8，那么临床试验需要多少患者？

说明:n为样本量，是我们要求的，d为效应值，1.5/3=0.5，功率为0.80，类型指的是测试类型，这里是单样本t测试，具体程序如下:PWR。t.test (n =，d = 0.5，SIG。level = 0.05，power = 0.80)结果显示需要约34名患者进行临床试验。

实施例2独立样本t检验

某药厂将新研制的抗高血压药物A与标准抗高血压药物B的疗效进行对比，已知药物B可降低平均血压2kPa，预计药物A可降低平均血压4kPa。如果血压标准差为4.5kPa，在α=0.05，检验效率1-β=0.8的条件下，临床试验需要多少患者？

说明:n是样本量，是我们要求的，d是效应值，(4-2)/4.5，幂是0.80，类型是指测试类型，这里是两个独立样本的t检验，具体程序如下:PWR。T.test (n =，d = 2/4.5，SIG。结果显示每组有64名患者需要临床试验。

实施例3配对样本测试

用某种药物治疗矽肺患者后，尿硅排泄量平均增加15毫克/升，标准差为25毫克/升。假设药物确实能增加尿硅排泄量，让α = 0.05(单侧)，β = 0.10，询问需要观察多少患者才能得出服药前后尿硅排泄量差异有统计学意义的结论。

说明:n是样本量，这是我们要求的，d是效应值，15/25=0.6，幂是0.90，类型是指测试类型，这里是配对样本t测试，具体程序如下:PWR。t.test (n =，d = 0.6，SIG。level = 0.05，power = 0.90)结果显示，大约需要26对患者才能得出服药前后尿硅排泄量差异具有统计学意义的结论。

以上例子均假设两组样本大小相等。如果两组样本大小不同，可以使用函数pwr.t2n.test，具体代码如下:PWR.t2n.test (n1 = null，N2 = null，d = null，SIG。电平= 0.05，功率=零，类型= c(“两个样本”、“一个样本”、“成对”)，备选= c(“双面”、“更少”、“更大”)。

这里n1和n2是两组的样本量，其他参数与pwr.t.test()含义相同。但是这里，n1和n2必须确定其中一个。

这个分享到此为止。下一次我们会继续介绍利用R软件的pwr包进行卡方检验的样本量估计！