Puis-je faire confiance au calcul de la taille de l'échantillon par l'IA ?

L'IA utilise des formules statistiques établies et affiche tout le travail de manière transparente. Cependant, les calculs de taille d'échantillon impliquent des hypothèses qui doivent être vérifiées. Confirmez toujours avec un logiciel validé (G*Power, PASS, ou le package pwr de R) et consultez un biostatisticien avant de finaliser votre protocole.

Et si je ne connais pas la taille d'effet attendue ?

L'IA recherchera sur PubMed des études publiées similaires et extraira leurs tailles d'effet observées pour vous aider à estimer. Elle vous signalera également que les tailles d'effet publiées peuvent être gonflées et recommandera une estimation conservatrice.

Quels types de conception d'étude sont pris en charge ?

ECR à deux bras (supériorité, non-infériorité, équivalence), conceptions appariées, études de cohorte, études cas-témoins, enquêtes transversales et études de précision diagnostique. Pour les conceptions complexes (randomisation en grappes, essais adaptatifs), l'IA fournira des conseils mais recommandera la consultation d'un spécialiste.

Pourquoi afficher une matrice de sensibilité au lieu d'un seul chiffre ?

Parce que l'estimation de votre taille d'effet est incertaine. La matrice de sensibilité montre comment la taille de l'échantillon varie en fonction de différentes tailles d'effet plausibles et niveaux de puissance, vous aidant à planifier des scénarios réalistes plutôt que de miser sur une seule hypothèse.

Dois-je coller de vraies données patients ou de recherche pour décrire mon jeu de données ?

Non — ne collez jamais de vrais dossiers patients, d'informations identifiables ou de lignes de données réelles. Décrivez votre jeu de données de manière structurelle : noms des variables (utilisez des étiquettes génériques si nécessaire), types de données, taille de l'échantillon et patterns de données manquantes. Si votre institution ou comité d'éthique a des politiques sur l'utilisation de l'IA avec des données de recherche, consultez-les avant.

Calculateur de Taille d'Échantillon -- medPrompt

Guide d'utilisation

Renseignez le schema d'etude, le type de critere principal et la puissance statistique cible.
Cliquez sur AI Run pour recevoir directement dans le chat les calculs de taille d'echantillon avec analyse de sensibilite.
Ajustez les hypotheses puis demandez des recalculs ou des comparaisons de scenarios alternatifs.

Assistant de Recherche Médicale

Remplissez les variables et exécutez directement avec l'IA

Wiki

Ce que fait cet outil

Un assistant de calcul de taille d'échantillon pour les chercheurs cliniques et biomédicaux. Fournissez votre design d'étude, le critère de jugement principal, la taille de l'effet attendue, le seuil de signification et la puissance cible — l'IA utilise des formules statistiques reconnues pour calculer la taille d'échantillon requise, affiche toutes les étapes intermédiaires et ajuste selon le taux d'abandon prévu. Le résultat inclut une matrice de sensibilité montrant comment la taille d'échantillon varie selon différentes hypothèses d'effet et de puissance.

Pourquoi une matrice plutôt qu'un seul chiffre

La taille de l'effet que vous spécifiez à l'avance est presque toujours incertaine. Les tailles d'effet publiées sont fréquemment surestimées en raison du biais des petites études et de la publication sélective. La matrice de sensibilité — affichant les tailles d'échantillon sur une grille d'effets plausibles (par ex. d de Cohen = 0,3 à 0,6) et de niveaux de puissance (80 %, 85 %, 90 %) — fournit une plage de planification réaliste.

Estimation de la taille de l'effet à partir de la littérature

Sans estimation préalable, l'IA vous guidera pour rechercher des études similaires sur PubMed et en extraire les tailles d'effet observées. Elle vous rappellera également que les tailles d'effet publiées peuvent surestimer l'effet réel ; utiliser une valeur inférieure de 20 à 30 % à celle publiée est une approche conservatrice recommandée par les biostatisticiens.

Designs d'étude pris en charge

ECR parallèles à deux bras (supériorité, non-infériorité, équivalence), designs appariés (croisés, avant-après), études de cohorte prospectives, études cas-témoins, enquêtes transversales de prévalence et études de précision diagnostique (sensibilité, spécificité, AUC). Pour les designs complexes comme les ECR en grappes, les paramètres clés des formules sont expliqués et une consultation spécialisée est recommandée.

Code reproductible

L'IA génère du code R exécutable (packages pwr, MASS ou survival selon le cas) et/ou du code Python (statsmodels, pingouin) pour chaque calcul, avec tous les paramètres déclarés explicitement. Vous pouvez le réexécuter indépendamment pour vérifier le résultat.

Vérification et limites

Les calculs de taille d'échantillon reposent sur des hypothèses ; cet outil est une aide à la planification, pas un outil réglementaire. Vérifiez toujours les tailles d'échantillon finales avec un logiciel validé (G*Power, PASS, nQuery) et, pour les essais cliniques réglementés, consultez un biostatisticien qualifié.

FAQ