在写文章或临床研究方案设计时，研究者常会纠结这样的问题，“我的研究到底需要多少病例”、“我有xx个可用的病例，能发文章吗”。如果样本量太小，试验难以得出预期效果，结果不稳定，错误风险也大，容易得到“假阴性”结果；样本量太大，则增加试验的成本和难度。
这类问题都可通过功效分析（power analysis）来解决，功效分析可以帮助在给定置信度的情况下，判断检测到给定效应值时所需的样本量，也就是样本量的计算。
可实现样本量计算的软件有很多，例如，Power And Sample Size, G*Power, Epitools, PASS, nQuery Advisor+nTerim, DSTPLAN, PC-Size等，它们功能不一，并且在学习和使用的过程中都存在不同的难点。
其实，样本量的计算需要先确定研究设计类型和差异比较的检验方法，如t检验、卡方检验、率的检验、单因素方差分析、相关性分析等。
今天介绍的是用R软件的pwr包实现t检验的样本量计算(当然R软件中也有其他包可以做，例如Epicalc，感兴趣的小伙伴可以动手摸索摸索)。
样本量计算流程
1 -install.packages(pwr)
打开R软件，安装pwr包；
2 -library(pwr)
在每次使用前，都要加载pwr包；
3 运行代码，进行样本量计算（详细代码见下方说明）。
对于t检验，pwr.t.test()函数提供了许多有用的选项，格式为：
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，即标准化的均值之差：均值差/标准差；sig.level表示显著性水平（默认为0.05）；power为功效水平；type指检验类型：两独立样本t检验（two.sample）、单样本t检验（one.sample）或配对样本t检验（paired），默认为双样本t检验；alternative是检验方式，双侧检验，单侧检验-劣于和优于检验，默认为双侧检验。
下面用几个具体的例子展示t检验的样本量估算。
例1 单样本t检验
某药厂研究某种新药治疗高血压的疗效，要求用药后舒张压下降1.5kPa才算该药有实际疗效。根据以前试验表明，舒张压下降量的标准差为3kPa。若规定α=0.05，检验效能1-β=0.8，试估计需要多少病人进行临床试验？
解释：n为样本大小，是我们要求的，d为效应值，1.5/3=0.5，power是0.80，type指检验类型，在这里是单样本t检验，具体的程序如下：pwr.t.test(n=, d = 0.5, sig.level = 0.05, power = 0.80 ,type = c('one.sample'))。结果发现：需要约34例病人进行临床试验。
例2 独立样本t检验
某药厂对本厂新研发的降压药A与标准降压药B的疗效进行比较。已知B药能使血压平均水平下降2kPa，期望A药能平均下降4kPa，若降压值的标准差为4.5kPa，试问在α=0.05，检验效能1-β=0.8的条件下，需要多少病人进行临床试验？
解释：n为样本大小，是我们要求的，d为效应值，(4-2)/4.5，power是0.80，type指检验类型，在这里是两独立样本t检验，具体的程序如下：pwr.t.test(n=, d = 2/4.5, sig.level = 0.05, power = 0.80,type = 'two.sample',alternative = 'greater')。结果发现：每组约需要64例病人进行临床试验。
例3 配对样本t检验
用某药治疗硅沉着病患者后，尿矽排除量平均增加15mg/L，其标准差为25mg/L。假定该药确能使尿矽排除量增加，定α＝0.05（单侧），β＝0.10，问需观察多少患者才能得出服药前后尿矽排除量之间的差别有统计学意义的结论？
解释：n为样本大小，是我们要求的，d为效应值，15/25=0.6，power是0.90，type指检验类型，在这里是配对样本t检验，具体的程序如下：pwr.t.test(n=, d = 0.6, sig.level = 0.05, power = 0.90,type = 'paired', alternative = 'greater')。结果发现：约需要26对患者才能得出服药前后尿矽排除量之间的差别有统计学意义的结论。
上面的例子都是假定两组中样本大小相等，如果两组中样本大小不同，可用函数pwr.t2n.test，具体的代码如下：pwr.t2n.test(n1 = NULL,n2 = NULL, d = NULL, sig.level = 0.05, power = NULL, type = c('two.sample', 'one.sample', 'paired'), alternative = c('two.sided', 'less', 'greater'))。
此处，n1和n2是两组的样本大小，其他参数含义与pwr.t.test()的相同。但是在这里，n1和n2必须确定其一。
本次分享就到这里了，下一次，我们继续介绍采用R软件的pwr包实现卡方检验的样本量估算！
联系客服
