临床论文的样本量估算：没学过统计怎么用免费工具（PASS在线版/GPower）粗略算

　　很多第一次写临床论文、毕业论文或者SCI文章的同学，在做到研究设计阶段时，都会被导师问一句：“你的样本量怎么算出来的?”

　　尤其是医学、护理、公共卫生、药学等专业，几乎所有临床研究都会涉及“样本量估算(Sample Size Calculation)”。

　　但现实情况是：

　　很多人没系统学过医学统计

　　看不懂公式

　　不会用SPSS做power analysis

　　打开PASS或GPower之后完全不知道怎么选参数

　　于是最后只能：

　　随便写一个人数

　　抄别人文章

　　或者硬着头皮找统计师

　　其实对于大部分本科、硕士阶段的临床研究来说，并不一定需要非常复杂的统计建模。很多情况下，只需要做一个“基础合理”的粗略估算即可。

　　本文会用尽量通俗的方式，讲清：

　　什么是样本量估算

　　临床论文为什么一定要写

　　没学过统计怎么快速上手

　　如何用免费工具 PASS 在线版 / GPower 粗略计算

　　适合：

　　临床医学

　　护理学

　　公共卫生

　　药学

　　生物医学

　　医学硕士论文

　　SCI初学者

　　什么是样本量估算?

　　简单理解：

　　样本量估算，就是提前计算：

　　“我到底需要招募多少病例/受试者，研究结果才有统计意义?”

　　比如：

　　你想研究：

　　“某药物是否能降低血压”

　　如果只找：

　　5个人

　　10个人

　　即使真的有效，也可能因为人数太少，看不出统计差异。

　　但如果：

　　招100人

　　200人

　　结果就会更稳定。

　　所以样本量本质上是在解决：

　　“研究人数够不够”

　　为什么临床论文一定要写样本量?

　　在临床研究里，样本量估算几乎属于标准要求。

　　尤其是在：

　　SCI论文

　　毕业论文

　　开题报告

　　医院课题

　　IRB伦理申请

　　中，导师或审稿人通常都会看：

　　“你的样本量依据是什么?”

　　因为：

　　如果人数太少：

　　研究可能不可靠

　　结果没有统计效力(Power)

　　如果人数太多：

　　浪费资源

　　增加研究成本

　　甚至存在伦理问题

　　所以样本量不是“随便编一个数字”。

　　样本量估算最核心的4个参数

　　很多人看到统计学公式会崩溃。

　　但实际上，大部分工具都只是在让你输入几个参数。

　　最常见的是：

　　1. 显著性水平(Alpha)

　　通常默认：

　　α = 0.05

　　意思是：

　　允许5%的概率出现假阳性。

　　大多数论文直接默认0.05即可。

　　2. 检验效能(Power)

　　通常设置：

　　80%

　　或90%

　　意思是：

　　研究发现真实差异的能力。

　　医学论文最常用：

　　Power = 0.8

　　3. 效应量(Effect Size)

　　这是最容易卡住的地方。

　　简单理解：

　　“实验组和对照组差异有多大”

　　差异越大：

　　所需样本量越少

　　差异越小：

　　样本量越大

　　很多初学者不会算效应量，可以：

　　参考文献

　　用类似研究的数据

　　或先做粗略估算

　　4. 分组数量

　　例如：

　　实验组 vs 对照组

　　男 vs 女

　　治疗前 vs 治疗后

　　不同设计会影响样本量。

　　没学过统计，怎么快速粗略估算?

　　对于绝大多数新手来说：

　　最简单的方法其实是：

　　“先模仿类似文献”

　　比如：

　　你研究：

　　“糖尿病患者护理干预”

　　那就去找：

　　相同方向

　　相似设计

　　相近结局指标

　　的论文。

　　看看别人：

　　样本量多少

　　用什么统计方法

　　如何写sample size

　　这比自己硬算更现实。

　　PASS在线版怎么粗略算样本量?

　　PASS本来是收费软件，但网上有一些在线版或教学版可以做基础估算。

　　它的优点：

　　医学研究适配度高

　　临床设计丰富

　　常用于SCI

　　但缺点是：

　　对新手不友好

　　参数较多

　　PASS最简单的使用思路

　　如果你是初学者：

　　建议先做：

　　“两独立样本均数比较”

　　这是最常见的情况。

　　例如：

　　实验组 vs 对照组

　　干预前后比较

　　一般只需要输入：

　　Alpha = 0.05

　　Power = 0.8

　　均值差

　　标准差

　　系统就会自动算出：

　　需要多少样本。

　　GPower为什么更适合统计小白?

　　相比PASS：

　　很多学生其实更适合先学 GPower。

　　原因很简单：

　　免费

　　界面简单

　　教程多

　　足够应付硕士论文

　　GPower尤其适合：

　　毕业论文

　　基础临床研究

　　横断面研究

　　小型实验研究

　　GPower最简单的操作流程

　　以最常见的：

　　“两组均值比较 t检验”

　　为例。

　　Step 1：选择检验类型

　　打开GPower后：

　　Test family：

　　选择：

　　t tests

　　Statistical test：

　　选择：

　　Means: Difference between two independent means

　　Step 2：输入参数

　　一般输入：

　　Effect size = 0.5(不会算可先用中等效应)

　　Alpha = 0.05

　　Power = 0.8

　　Allocation ratio：

　　默认1即可。

　　Step 3：点击Calculate

　　系统会自动生成：

　　每组需要多少人

　　总样本量

　　例如：

　　可能显示：

　　每组64例

　　总计128例

　　这就是一个基础样本量结果。

　　不会算效应量怎么办?

　　这是最多人卡住的问题。

　　如果完全不会：

　　可以先用 Cohen 的经验值：

　　0.2 = 小效应

　　0.5 = 中等效应

　　0.8 = 大效应

　　临床论文里：

　　很多硕士生会先用：

　　0.5

　　做基础估算。

　　当然，更规范的方法还是：

　　根据预实验

　　或参考文献

　　来确定。

　　样本量估算最容易踩的坑

　　1. 直接照抄别人的数字

　　审稿人可能会问：

　　“为什么是这个人数?”

　　所以至少要说明依据。

　　2. 不考虑失访率

　　临床研究经常有人退出。

　　因此通常会：

　　额外增加：

　　10%

　　20%

　　样本量。

　　3. 统计方法和研究设计不匹配

　　例如：

　　配对设计

　　重复测量

　　Logistic回归

　　对应的计算方式都不同。

　　不会统计，什么时候该找辅导?

　　如果你只是：

　　本科毕业论文

　　简单横断面研究

　　小型实验

　　很多时候：

　　GPower已经够用。

　　但如果涉及：

　　生存分析

　　Cox回归

　　多因素模型

　　R语言统计

　　SCI投稿

　　自己硬做容易出错。

　　一些医学生和科研新手，在论文设计阶段，也会咨询像海马课堂这样的学术辅导平台，帮助确认研究设计、统计方法或样本量逻辑是否合理，避免后期返工。

　　FAQ 常见问题

　　Q：临床论文一定要做样本量估算吗?

　　A：大多数情况下需要。尤其是SCI论文、毕业论文和伦理申请，通常都会要求说明样本量依据。

　　Q：GPower是免费的吗?

　　A：是的。GPower属于免费统计工具，也是目前学生使用最广泛的样本量估算软件之一。

　　Q：不会统计可以直接用0.5做效应量吗?

　　A：如果是初步粗略估算，可以先用0.5作为中等效应量。但正式研究最好结合文献或预实验数据。

　　Q：PASS和GPower哪个好?

　　A：对于统计基础较弱的新手：

　　GPower更容易上手

　　对于复杂临床研究：

　　PASS功能更全面

　　Q：样本量算错会影响论文吗?

　　A：会。样本量不足可能导致研究结果没有统计意义，因此建议在研究开始前尽量确认设计合理性。