【干货】临床研究设计——样本量计算大全
临床研究中的样本容量计算
临床研究中的样本容量计算在临床研究中，样本容量的计算是非常重要的一步，它可以帮助研究者确定实验所需的样本数量，从而保证研究结果的可靠性和实用性。
本文将介绍在临床研究中样本容量计算的原理、方法和实际应用。
一、样本容量计算的重要性在进行临床研究时，研究者经常需要比较不同组别之间的差异或者评估干预措施的有效性，这就要求我们能够收集足够数量的样本来进行统计分析。
如果样本容量太小，研究结果可能无法准确反映总体的特征，导致结果的失真和不可信。
因此，进行样本容量计算，可以帮助研究者确定所需的样本数量，从而提高研究结果的可靠性。
二、样本容量计算的原理样本容量计算的原理基于统计学的抽样理论和假设检验的原理。
在进行样本容量计算时，我们通常需要确定以下几个方面的参数：1. 效应大小（Effect Size）：即我们所关心的差异大小或效果大小。
该参数可以根据之前的研究结果、文献资料或者专家意见来确定。
2. 显著性水平（Significance Level）：通常以α表示，是进行假设检验时所设定的拒绝原假设的概率。
常见的显著性水平有0.05和0.01。
3. β错误概率（β Error Probability）：即接受原假设但事实上原假设为假的概率。
常见的β错误概率有0.2和0.1。
4. 方差（Variance）：反映了样本内个体之间的差异程度。
可以通过之前的研究结果或者预先进行的小规模试验来估计。
根据以上参数，我们可以利用统计学中的样本容量计算公式进行计算。
常见的样本容量计算方法有：t检验样本容量计算、方差分析样本容量计算、相关性样本容量计算、回归分析样本容量计算等。
三、样本容量计算的方法1. t检验样本容量计算：适用于比较两个独立样本的均值差异。
根据研究目的和文献资料确定效应大小（Effect Size），选择显著性水平（Significance Level）和β错误概率（β Error Probability），再估计样本的方差（Variance），即可利用t检验样本容量计算公式计算所需的样本容量。
样本量计算方法
样本量计算方法在进行科学研究、市场调查以及医学试验等领域中，样本量的确定是至关重要的。
样本量的大小直接影响到研究结果的可靠性和推广性。
本文将介绍常见的样本量计算方法，以帮助研究者正确确定样本量，从而提高研究结果的可信度。
一、样本量计算的重要性样本量计算是科学研究中的关键环节之一。
通过正确合理地计算样本量，可以满足科学研究的目的，确保研究结果具有统计学意义，避免因样本量过小而导致的结论不可靠。
另外，样本量计算还可以保证研究的经济性和可操作性，避免浪费和不必要的工作。
二、常见的1. 参数估计法参数估计法是一种常见的样本量计算方法，主要适用于研究目的是估计总体参数的情况。
通过假设总体参数的值，选择适当的置信水平和置信区间长度，计算所需的样本量。
常见的参数估计法包括均值估计、比例估计、方差估计等。
2. 假设检验法假设检验法是一种常用的样本量计算方法，适用于研究目的是对总体参数进行假设检验的情况。
假设检验法的关键是确定显著性水平、最小可接受效应量和研究统计量的理论分布，从而计算所需的样本量。
3. 功效分析法功效分析法是一种常见的样本量计算方法，主要用于研究目的是检验假设的功效值或最小可以接受的功效值的情况。
通过选择显著性水平、功效值和最小可以接受的差异大小，计算所需的样本量。
功效分析法可以帮助研究者评估研究设计是否具有足够的统计功效。
4. 相关分析法相关分析法是一种常用的样本量计算方法，适用于研究目的是分析两个或多个变量之间相关关系的情况。
通过选择所需的显著性水平、相关系数大小和样本量计算方法，来确定所需的样本量。
三、样本量计算的步骤确定样本量的计算方法后，下面是一般的样本量计算步骤，具体可根据不同的方法进行适当的调整：1. 确定研究的目的和问题，明确研究的总体参数或效应量大小。
2. 确定显著性水平和置信区间，这取决于研究的领域和要求。
3. 根据研究设计和样本量计算方法，选择适当的统计量和推导公式。
4. 计算所需的样本量，可以使用计算软件或在线样本量计算工具。
临床医学研究中的样本大小计算
THANKS
感谢观看
临床医学研究中的样 本大小计算
目录
• 引言 • 样本大小计算的基本原理 • 样本大小计算的方法与步骤 • 影响样本大小的因素
目录
• 样本大小计算的实例分析 • 样本大小计算的注意事项与局限性 • 结论与展望
01
引言
研究背景和意义
临床医学研究的发展
随着医学科学的不断进步，临床医学研究在疾病诊断、治疗和预防等方面发挥 着越来越重要的作用。
05
样本大小计算的实例分析
Байду номын сангаас
实例一：药物治疗效果评价中的样本量计算
假设检验
基于研究目的和假设，确定合适的假 设检验方法，如t检验、方差分析等 。
效应量
根据历史数据或预实验结果，估计药 物治疗效果的大小，即效应量。
显著性水平和把握度
设定显著性水平和把握度，通常分别 取0.05和0.80或0.90。
样本量计算
助研究者量化处理效应的大小，进而指导样本大小的选择。
显著性水平与样本大小
显著性水平的概念
显著性水平是指在进行假设检验时，所允许犯第一类错误 的最大概率。
显著性水平与样本大小的关系
显著性水平越低，所需的样本量就越大；反之，显著性水 平越高，所需的样本量就越小。因此，在进行样本大小计
算时，需要设定合适的显著性水平。
样本量分配的均衡性
在实验中，应尽可能保证各组的样本量均衡，以避免因样本量不均衡 而导致的检验效能下降。
局限性及挑战
参数估计的准确性
实验设计的复杂性
成本和时间限制
数据的可获得性和质量
样本大小计算通常基于一些假 设和参数估计，如效应大小、 标准差等。这些参数的准确性 直接影响样本大小计算的准确 性。
样本量的公式
样本量的公式样本量的公式是指在统计学中用来确定样本大小的数学公式。
在进行统计研究时，我们通常无法对整个人群进行调查或实验，而只能从人群中抽取一部分样本进行研究。
样本量的大小直接影响到研究结果的可靠性和推广性，因此确定合适的样本量非常重要。
样本量的公式可以根据研究的目的、预期效应大小、显著性水平、统计方法、误差范围等因素来确定。
在不同的研究设计和假设检验中，样本量的公式也有所不同。
下面将介绍一些常用的样本量公式。
1. 单总体均值的样本量公式在研究一个总体均值时，常用的样本量公式为：n = (Z * σ / E)²其中，n为样本量，Z为给定的置信水平对应的Z值，σ为总体标准差的估计值，E为允许的误差范围。
该公式通过给定的置信水平和误差范围，确定了所需的样本量。
2. 两独立样本均值的样本量公式在比较两个独立样本均值时，常用的样本量公式为：n = (2 * Z * σ / E)²其中，n为样本量，Z为给定的置信水平对应的Z值，σ为两个总体标准差的估计值的均值，E为允许的误差范围。
该公式通过给定的置信水平和误差范围，确定了所需的样本量。
3. 两相关样本均值的样本量公式在比较两个相关样本均值时，常用的样本量公式为：n = (Z * σd / E)²其中，n为样本量，Z为给定的置信水平对应的Z值，σd为两个相关样本的差异的标准差的估计值，E为允许的误差范围。
该公式通过给定的置信水平和误差范围，确定了所需的样本量。
4. 二项分布的样本量公式在研究二项分布时，常用的样本量公式为：n = (Z² * p * (1-p)) / E²其中，n为样本量，Z为给定的置信水平对应的Z值，p为二项分布的成功概率的估计值，E为允许的误差范围。
该公式通过给定的置信水平、成功概率估计值和误差范围，确定了所需的样本量。
除了上述常用的样本量公式外，还有其他一些特殊情况下的样本量公式，如多总体均值的样本量公式、配对样本的样本量公式等。
临床试验常用样本量的计算方法
临床试验常用样本量的计算方法临床试验是评价医疗干预措施有效性和安全性的重要方法之一、在进行临床试验时，合理的样本量计算是确保试验具有统计学意义和科学可靠性的重要步骤之一、本文将从试验目的、效应大小、错误类型和统计方法等方面介绍临床试验常用的样本量计算方法。
一、试验目的在进行样本量计算之前，首先需要明确试验的目的是什么。
不同的试验目的对样本量计算有不同的要求。
1.描述性试验：描述性试验是旨在描述和概括人群特征、疾病频率、新技术的性能等，通常不涉及统计检验。
在这种类型的试验中，样本量的计算往往以统计学为基础，根据置信区间长度或精确度来确定。
2.比较试验：比较试验是旨在比较不同干预措施的效果，常见的包括药物疗效的比较、手术效果的比较等。
在这种类型的试验中，需要确定试验的主要效应大小。
二、效应大小效应大小是指试验结果中真实存在的干预效果的大小。
样本量计算中需要考虑到主要效应的大小，以使试验能够检测到具有意义的差异。
1.非劣效（非劣效）试验：非劣效试验是以疗效差异的下限边界（非劣效界）为基础，判断新干预措施是否与已有干预措施相当。
样本量计算需要根据监测期望的非劣效界来确定。
2.等效性试验：等效性试验是旨在证明两种干预措施的疗效相当。
在这种类型的试验中，需要确定非劣效界，并根据非劣效界来计算样本量。
3.优势试验：优势试验是旨在证明新的干预措施是否优于已有干预措施。
样本量计算需要确定所期望的主要效应大小、显著性水平和统计功效，以及预期的丢失率和失败率。
三、错误类型在进行临床试验时，需要考虑两类错误：第一类错误（α错误）和第二类错误（β错误）。
样本量计算需要控制这两类错误的概率。
1.第一类错误（α错误）是指在实际上不存在差异的情况下，错误地拒绝原假设（即错误地得出差异存在的结论）。
控制α错误的概率可以通过选择适当的显著性水平来实现。
2.第二类错误（β错误）是指在实际上存在差异的情况下，错误地接受原假设（即错误地得出差异不存在的结论）。
样本量的确定方法及公式
样本量的确定方法及公式在统计学和实证研究中，样本量的确定对于获得可靠的结果非常重要。
一个足够大的样本量可以减少统计误差和提高研究的可信度。
样本量的确定需要考虑多个因素，包括所需的可靠性水平，总体大小和总体变异性等。
以下是一些常用的样本量确定方法和公式。
一、样本量计算方法：1. 参数估计方法（Parameter Estimation）：用于计算总体均值、总体比例等参数的估计。
通常使用的方法有点估计和区间估计。
在参数估计方法中，一般需要考虑总体的平均数、标准差、置信水平和误差容忍度等因素。
2. 假设检验方法（Hypothesis Testing）：用于检验两个总体之间差异是否显著。
常用的假设检验方法有t检验、方差分析等。
在假设检验方法中，需要考虑所需的显著性水平、效应大小、标准差等因素。
3. 相关分析方法（Correlation Analysis）：用于研究两个或多个变量之间的关联关系。
常用的相关分析方法有皮尔逊相关系数、斯皮尔曼等级相关系数等。
在相关分析方法中，需要考虑相关系数、显著性水平等因素。
二、样本量计算公式：1.参数估计中的样本量计算公式：a.总体比例（Proportion）：n = [(Z * Z) * P * (1-P)] / E^2其中，n表示样本量，Z表示所需的置信度对应的Z值，P表示总体比例的估计值，E表示误差容忍度。
b.总体均值（Mean）：n = [(Z * s) / E]^2其中，n表示样本量，Z表示所需的置信度对应的Z值，s表示总体标准差的估计值，E表示误差容忍度。
2.假设检验中的样本量计算公式：a.均值差异（Mean Difference）：n = [(Z * s) / E]^2其中，n表示样本量，Z表示所需的显著性水平对应的Z值，s表示总体标准差的估计值，E表示效应大小。
b.总体比例差异（Proportion Difference）：n = [(Z * Z) * (P1* (1-P1) + P2 * (1-P2))] / E^2其中，n表示样本量，Z表示所需的显著性水平对应的Z值，P1和P2分别表示两个总体比例的估计值，E表示效应大小。
临床试验样本量的估算
临床试验样本量的估算临床试验的样本量估算是研究计划中非常重要的一个环节。
样本量的大小会直接影响到试验结果的可靠性和推广性。
本文将介绍一些常用的方法和考虑因素，来进行临床试验样本量的估算。
一、统计学方法1.样本量估算的原则样本量估算的基本原则是保证试验结果的统计学意义和实际应用的可行性，同时控制样本量的大小。
在样本量估算时需要考虑的主要因素包括：研究目的、效应大小、α水平、β水平、检验类型和预估结果的方差。
2.效应大小效应大小（Effect Size）指的是一种观察、试验或实验中的两组之间的差异，并且是研究中最重要的指标之一、效应大小的选择需要基于研究目标和研究领域的实际情况。
常用的效应大小指标包括：风险比、比值比、均值差异等。
3.α水平和β水平α水平和β水平是两种错误假设的概率。
α水平（Type I错误）是拒绝了一个真假设。
通常是将p值设置在0.05以下。
β水平（TypeII错误）是接受了一个错误的假设。
常见的β值是0.2、0.1、0.05和0.01、α和β的选择需要根据实际情况和研究目的进行权衡。
4.检验类型根据研究目的和数据类型的不同，可以选择不同的检验类型。
常见的检验类型包括：t检验、方差分析、卡方检验等。
不同的检验类型需要不同的样本量估算方法。
5.预估结果的方差预估结果的方差是样本量估算的另一个重要因素。
方差的预估可以通过先前的研究结果或者基于临床经验来估算。
二、样本量估算方法1.均值差异的样本量估算方法均值差异的样本量估算方法适用于需要比较两个或多个组之间平均值差异的研究。
常用的方法有：Z检验样本量估算、t检验样本量估算和方差分析样本量估算。
2.分类变量的样本量估算方法分类变量的样本量估算方法适用于比较不同组之间的比率、风险比、比值比等。
常用的方法有：卡方检验样本量估算和Fishers精确检验样本量估算等。
3.生存分析的样本量估算方法生存分析的样本量估算方法适用于评估治疗或干预措施对患者生存时间或复发时间的影响。
临床试验公式范文
临床试验公式范文临床试验是评价新药疗效和安全性的重要手段，其设计合理与否直接关系到研究结果的可信度和推广应用的可靠性。
在临床试验设计中，常用的一些公式可以帮助研究者确定样本量、计算效果大小等重要参数。
1.样本量计算公式在临床试验中，样本量的确定是至关重要的，它直接关系到试验结果能否达到统计学显著性的水平。
以下是常见的两种样本量计算公式：1.1单组样本量计算对于单组实验设计，计算样本量需要考虑研究问题的具体要求和所设定的指标。
常用的单组样本量计算公式有如下几种：1.1.1单一率的样本量计算公式通过预设一个指标，比如治愈率或有效率，计算需要多少样本量才能检验该指标是否能达到预设值。
常用的公式包括Wald公式、Wilson公式等。
1.1.2差异化率的样本量计算公式通过预设一个对照组的率，计算需要多少样本量才能检验新药的效果是否优于对照组。
常用的公式包括正态分布检验、卡方检验等。
1.2两组样本量计算当临床试验设计为两组对照实验时，可以使用以下公式计算样本量：1.2.1比率差异样本量计算公式通过预设效果差异的大小，计算需要多少样本量才能检验两组之间的差异是否显著。
常用的公式包括正态分布检验、卡方检验等。
1.2.2均数差异样本量计算公式通过预设效果差异的大小以及标准差，计算需要多少样本量才能检验两组之间的差异是否显著。
常用的公式包括t检验、方差分析等。
2.效果大小计算公式效果大小指的是新药治疗效果与对照组之间的差异，它可以衡量新药的临床意义和实际应用价值。
以下是两种常见的效果大小计算公式：2.1 相对风险（Risk Ratio）相对风险是新药治疗成功概率相对于对照组的治疗成功概率的比值，可以使用以下公式计算：相对风险（RR）=发生率A/发生率B其中，发生率A表示新药治疗成功的比例，发生率B表示对照组治疗成功的比例。
2.2 绝对风险差值（Absolute Risk Difference）绝对风险差值是新药治疗成功的概率减去对照组治疗成功的概率，可以使用以下公式计算：绝对风险差值（ARD）=发生率A-发生率B其中，发生率A和发生率B的定义同上。
临床试验样本含量的计算
临床试验样本含量的计算临床试验是评估新的药物、疗法或治疗方法的安全性和疗效的重要手段。
为了获得有意义、可靠和可推广的结果，临床试验的样本含量的合理确定是非常重要的。
样本含量的计算要考虑试验的主要目标和研究设计、预期效应大小、显著性水平和统计功效等因素。
本文将介绍临床试验样本含量计算的基本原理和常用方法。
1.样本含量计算的基本原理临床试验的样本含量计算基于统计学原理，主要考虑以下几个因素：（1）预期效应大小：即要检测的主要效应的大小，例如治疗药物相对于对照组的相对风险减少、相对危险增加或相对效果增益等。
（2）显著性水平（α）：即犯第一类错误的概率，通常取0.05（3）统计功效（1-β）：即犯第二类错误的概率，通常取0.9（4）变异性：即研究样本中的个体间差异的测量，例如标准差或方差。
根据以上因素，可以通过样本含量的计算确定试验所需的参与者数量，以保证试验能够有效检测到预期的效应。
2.常用的样本含量计算方法（1）基于差异的计算方法：适用于比较两组的效应差异，例如比较治疗组和对照组的效果差异。
常用的方法有独立样本t检验、配对样本t检验和非参数检验等。
计算的关键是确定所需的显著性水平、统计功效和预期效应大小。
（2）基于比例的计算方法：适用于比较两组的治疗成功率或发生风险的比例差异，例如比较治疗组和对照组的治愈率或死亡率。
常用的方法有卡方检验和Fisher精确检验等。
计算的关键是确定所需的显著性水平、统计功效和预期效应大小。
此外，还需要考虑到样本比例的估计和早期终止的可能性。
（3）基于生存分析的计算方法：适用于比较两组的生存曲线差异，例如比较治疗组和对照组的生存时间或无进展生存时间。
常用的方法有Kaplan-Meier法和Cox比例风险模型。
计算的关键是确定所需的显著性水平、统计功效和预期效应大小，以及事件发生率和风险比例的估计。
3.样本含量计算的软件和工具样本含量计算是一个复杂且繁琐的过程，需要对统计学原理和计算方法有一定的了解。
样本量计算
样本量计算样本量的估算与研究的目的有关。
对于描述性研究，如横断面调查，其目的是描述疾病的分布情况或现况调查，样本量的估算需要考虑误差控制和设计均衡。
对于计量资料，如果设计均衡且误差控制得好，样本可以小于30例；对于计数资料，即使误差控制严格，设计均衡，样本需要大一些，需要30-100例。
2.2分析性研究对于分析性研究，其目的是分析比较发病的相关因素或影响因素。
样本量的估算需要考虑研究事件的发生率和因素的有效率。
研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。
有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显著性，反之就要越大。
2.3实验性研究对于实验性研究，即队列研究或干预实验，样本量的估算需要考虑容许的误差和总体标准差。
容许误差越小，需要样本量越大。
一般取总体均数（1－α）可信限的一半。
总体标准差一般因未知而用样本标准差代替。
2.4双侧检验与单侧检验在进行双侧检验或单侧检验时，其α或β的Ua界值通过查标准正态分布的分位数表即可得到。
采用统计学检验时，当研究结果高于和低于效应指标的界限均有意义时，应该选择双侧检验，所需样本量就大；当研究结果仅高于或低于效应指标的界限有意义时，应该选择单侧检验，所需样本量就小。
3.样本量估算方法由于对变量或资料采用的检验方法不同，具体设计方案的样本量计算方法各异，只有通过查阅资料，借鉴他人的经验或进行预实验确定估计样本量决定因素的参数，才能进行估算。
在护理中的量性研究中，可以分为描述性研究、分析性研究和实验性研究，样本量的估算需要考虑不同的因素，如误差控制、设计均衡、研究事件的发生率、因素的有效率、容许的误差和总体标准差等。
在进行双侧检验或单侧检验时，需要根据研究结果的高低界限选择不同的检验方法，从而确定所需的样本量。
护理研究通常采用描述性研究方法，其中横断面研究的抽样方法包括单纯随机抽样、系统抽样、分层抽样和整群抽样。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
【干货】临床研究设计——样本量计算大全
来源：梅斯医学
在临床研究设计阶段，临床研究者最纠结的问题在哪里？需要多少病例即样本量估算，必是其中问题之一。
因为样本量太小，试验难以得出设计的效果，结果不稳定，错误风险也大，得到“假阴性”结果；样本量太大，增加试验的成本和难度。
并且CONSORT和STROBE等报告规范已要求要指明样本量的确定方法。
那如何把握这个度呢？
第一类：临床试验（以RCT为主），根据研究设计类型不同研究课题假设有三种类型：
1. 优效性假设检验：研究的干预措施效果将优于对照组；
2. 等效性假设检验：研究的干预措施效果将等于对照组；
3. 非劣效性假设检验：研究的干预措施效果将不等于对照组；
这三类试验类型中又有样本率的比较和样本均数的比较。
第二类：非RCT研究，如病例对照研究，队列，诊断性研究，单组比较分析等，样本量估计方法也另有所不同。
有关样本量计算软件，这里梅斯医学小编收集一下，基本算是大全了。
一、在线样本量计算工具
1、PowerAndSampleSize
可计算单样本均数，两样本均数比较，k个样本均数比较，单个率，两个率比较，配对率比较，两样本率比较，k个样本率比较，时间-事件数据（生存数据）比较，OR值比较，以及其它。
该软件的一个重要特点是可提供样本量的计算公式和R语言代码，在写标书时不用愁啦。
◆/Calculators/
2、MedSci样本量计算软件(MedSci Sample Size tools, MSST)
Medsci样本量计算广受欢迎。
其一，全中文，并且带有引导和指
示的；其二，方便简单，手机端即可操作；其三，功能可不简单哦，功能强大。
涵盖了十多种最常见的样本量计算方法，临床上90%以上的样本量计算，这里就可以搞定了，包括RCT，诊断性研究，病例对照研究等。
讲了这么多，在哪里？
大家可以下载：梅斯医学APP (各大应用市场都有)，然后在APP 首页的一排按纽（各种各样的好功能哦），然后点击更多进入“科研工具”，这里面便有统计向导、样本量计算、ICD-10查询等各种各样的小工具了。
目前能进行的样本量计算如下：
◆根据均值计算样本量（计量资料）
·单组均值与固定值比较
· 两组独立样本均值比较
· 两组独立样本均值的非劣效检验
· 两组独立样本均值的优效检验
· 根据线性相关系数计算
◆根据率（比例）计算样本量（计数资料）
· 单组率与固定值比较
· 两组独立样本率比较
· 两组独立样本率的非劣效检验
· 两组独立样本率的优效检验
◆生存资料计算样本量（生存资料）
· 两组生存风险比HR比较
◆诊断性研究
· 以连续性变量（平均数）为比较的诊断性研究
· 以分类变量（率）为比较的诊断性研究
◆抽样调查计算（横断面研究）
· 根据均值及其置信区间计算
· 根据率及其置信区间计算
◆病例对照研究样本量计算
· 匹配的病例对照样本量计算
· 非匹配（成组法）的病例对照样本量计算
3、Epitools
是澳大利亚生物安全合作研究中心资助的Ausvet动物健康服务机构创办的动物流行病学在线计算网站。
其样本量计算方法包括：· To estimate a single proportion
· To estimate a single mean
· Two proportions
· Two means with equal samplesize and equal variances
· Two means with unequal samplesize and unequal variances
· To estimate true prevalence (atanimal or herd-level)
· Sample size for a cohort study
· Sample size for a case-controlstudy
此外，该网站还可以进行各种流行病学指标的在线计算，详见：/content.php?page=home
二、样本量计算软件
1、SAS Power and Sample Size application (PSS)
SAS系列内随同安装。
虽由SAS公司开发，但包括的统计分析方法非常有限，只有：t检验、率的比较、相关分析、回归分析、方差分析、以及生存分析。
样本量分析当然是权威了。
但是，一般只是大药厂才会使用，或需要申请FDA或CFDA试验时，才会用它计算样本量。
当然，价格也够吓人的。
2、PASS（power analysis and sample size）
美国NCSS公司开发的商业软件，最新版本13.类似于nQuery，覆盖了几乎所有样本量计算方法，其官方网站宣称用到的统计方法超过230种。
只是全英文的，如果你对样本量有很深的掌握，当然不错，整体来说，还比较傻瓜化。
不过，对于大部分临床医生而言，即使用个半年一载，仍然是云里雾中的，毕竟这是专业的统计师干的活。
另
外，这个软件收费，价格倒不贵，大几千块。
3、nQuery Advisor nTerim
爱尔兰Statistical Solutions公司开发的商业软件（收费）。
FDA、欧洲药品管理局、日本、韩国等官方认可，世界制药企业和生物制药公司50强中49家使用。
内容几乎涵盖样本量计算的所有方面。
很强大，不过仍然只合适统计专业人员使用，临床医生想搞懂，谈和容易哦，小编曾经也使用过，好久才搞懂一点点。
4、DSTPLAN
免费，Fortran语言编写，安德森癌症中心开发。
统计分析方法有：t检验、相关分析、率的比较、2xN的列联表检验，以及生存分析的差异性检验。
不过，有点弱。
5、G*Power
免费，德国杜塞尔多夫大学开发。
统计分析方法有：t检验、One-way ANOVA、回归分析、相关分析以及拟合优度分析。
输入关键参数后立即给出效应量。
统计还可以，简易的样本量计算也可以。
6、PC-Size
免费，DOS命令行软件。
统计方法有：t检验、方差分析、回归分析、相关分析以及率的比较。
可计算效应量。
7、PS
免费，统计分析方法有：t检验、卡方检验、Fisher确切概率法、McNemar检验、回归分析以及生存分析等。