样本含量估计时的注意事项：别照搬公式，参数错算全白做

开展样本含量估计时，你必须优先校准基础统计参数、匹配研究设计类型、规避估算偏差、落实随访损耗校正、核查统计软件逻辑，全程拒绝套用通用模板计算；核心易错点为盲目沿用文献参数、忽略失访率、混淆单侧与双侧检验，这类错误会直接导致样本量偏小、研究结论失效，或是样本过大浪费科研资源；实操优先级排序：先锁定效应量、检验水准、检验效能三大核心参数，再适配研究分组结构，最后叠加损耗补偿，所有数值必须贴合自身研究场景，不能直接摘抄同类论文数据。

效应量是样本含量估计的底层变量，也是最容易出错的环节。你不能直接照搬既往文献的效应量数值，老旧文献样本质量差、研究人群地域、基线特征和你的受试对象不一致，照搬后估算出的样本量误差最高可达45%。实操里优先采用预实验数据计算效应量，没有预实验的情况下，选取同领域近3年高质量SCI文献的合并效应值，同时下调10%取值预留容错空间；如果是观察性研究，还要额外校正混杂变量带来的效应稀释问题，避免高估干预效果，造成样本量估算偏小。

把控统计阈值，区分检验方向

α检验水准、1-β检验效能不能随意默认取值。多数研究者习惯性固定α=0.05、1-β=0.8，这个取值仅适配常规横断面、队列研究。临床试验必须收紧阈值，α设置为0.025，效能提升至0.9，降低一类、二类统计错误概率。你必须分清单侧、双侧检验：非劣效试验只能用单侧检验，预后相关性研究必须使用双侧检验，曾有研究者将疗效对照研究误用单侧计算，样本量少算27%，最终临床试验结局无统计学意义，直接作废整组研究数据。

研究设计形态决定估算公式，混用公式是高频低级错误。

• 配对样本不可使用独立样本t检验公式，否则样本量虚低30%左右
• 多分类结局需替换卡方专用公式，禁止套用二分类计算公式
• 分层抽样研究，必须叠加抽样权重校正基础样本量

随访损耗补偿必须量化计算，禁止主观预估比例。你要拆分两类损耗分别赋值：筛查阶段脱落率、干预随访失访率分开核算，不能合并笼统取值。临床干预类研究统一预留15%~20%损耗样本，问卷式横断面研究预留8%~12%；损耗率超过25%时，单纯扩大样本量无效，必须优化入组流程、简化随访流程，强行扩容只会增加无效研究成本，这是明确的研究适用限制。

亚组分析需要前置叠加样本余量，不能收尾补算。很多研究主指标样本达标，但性别、年龄、病情分层亚组样本不足，造成亚组结论假阴性。你在初始估算阶段，就要按照最大亚组占比，上浮18%基础样本量；如果预设3组及以上亚组，直接提升整体检验效能至0.92，抵消分层拆分带来的统计效力衰减。

软件计算不能跳过参数校验步骤。SPSS、G*Power默认内置老旧统计系数，你每次运算前手动更新版本系数，核对方差齐性校正开关；计数资料关闭方差补齐功能，计量资料开启偏移校正，跳过校验会出现表面数值合规、实际统计失真的问题。