この 臨床 研究検出力計算機は、研究者が臨床研究の統計的検出力を判断するのに役立ちます。統計的検出力は、真の効果が存在する場合にそれを検出する可能性を測定し、偽陰性の結果 (タイプ II エラー) のリスクを軽減します。この計算機は、サンプル サイズ、効果サイズ、有意水準などの要素を考慮して、研究設計を最適化するのに役立ちます。これにより、研究が適切に検出され、信頼性が高く実用的な結果が得られます。
臨床試験検出力計算の公式
電力を計算するための一般的な式は次のとおりです。
パワー = P(Z > Zα - Zβ)
どこ：
Zα: 有意水準 (α) に対応する Z スコア。
Zβ: 目的の検出力に対応する Z スコア (1 - β)。
P(Z > Zα - Zβ): Z スコアが Zα と Zβ の差よりも大きくなる確率。
さまざまな研究デザインのための特定の公式
2サンプル t検定:
電力 = P(t > tα - δ√(2/n))
どこ：
tα: 指定された有意水準と自由度に対する t 臨界値。
δ: 標準化効果サイズ（平均値の差をプールされた 標準偏差).
n: グループあたりのサンプルサイズ。
1サンプルt検定:
電力 = P(t > tα - δ√n)
どこ：
tα: 指定された有意水準と自由度に対する t 臨界値。
δ: 標準化された効果サイズ。
n: サンプルサイズ。
一般的なシナリオのための事前計算された指標
| 研究デザイン | 効果サイズ（δ） | サンプルサイズ (n) | パワー(1 - β) |
|---|---|---|---|
| 2標本t検定 | 0.5 | 50 | 0.80（80％） |
| 2標本t検定 | 0.8 | 30 | 0.90（90％） |
| 1標本t検定 | 0.5 | 60 | 0.85（85％） |
この表は、典型的な臨床研究におけるサンプル サイズ、効果サイズ、検出力の関係についての洞察を提供します。
臨床試験検出力計算機の例
シナリオ：
研究者は、次のパラメータを使用して 2 サンプル t 検定を実施しています。
- 効果サイズ（δ）：0.5
- グループあたりのサンプル数（n）: 50
- 有意水準（α）：0.05
解決法：
式の使用：
電力 = P(t > tα - δ√(2/n))
- α = 0.05 の場合の tα を決定します (サンプル サイズが大きい場合は通常 1.96)。
- δ√(2/n)を計算します。
δ√(2/n) = 0.5√(2/50) = 0.141です。 - tαからδ√(2/n)を引く:
tα - δ√(2/n) = 1.96 - 0.141 = 1.819。 - 確率P(t > 1.819)を求めると、およそ0.80（検出力80%）になります。
この計算により、指定されたサイズの真の効果を研究で検出できる可能性が 80% あることがわかります。
最も一般的な FAQ
統計的検出力により、研究で真の効果を検出し、偽陰性の結果のリスクを減らし、介入や治療について自信を持って結論を出すことができるようになります。
検出力は、サンプル サイズ、効果サイズ、有意水準 (α)、および研究設計によって異なります。通常、サンプル サイズが大きく、効果サイズが大きいほど、検出力が高まります。
はい、この計算機は、社会科学やビジネス分析などの非臨床分野を含む、統計分析を必要とするあらゆる研究に適用できます。