Calcolatore di Dimensione del Campione
Calcola la dimensione del campione necessaria con stima dell'effect size basata sulla letteratura, matrice di sensibilità per livelli di potenza e codice R/Python riproducibile — include guida alla verifica.
- Inserisci il disegno dello studio, il tipo di outcome primario e la potenza statistica target.
- Fai clic su AI Run e riceverai direttamente nella chat i calcoli della dimensione campionaria con analisi di sensibilita.
- Modifica le assunzioni e chiedi ricalcoli o confronti tra scenari alternativi.
Cosa fa questo strumento
Un assistente per il calcolo della dimensione del campione per ricercatori clinici e biomedici. Fornisca il suo design di studio, l'esito primario, la dimensione dell'effetto attesa, il livello di significatività e la potenza target — l'IA utilizza formule statistiche consolidate per calcolare la dimensione del campione richiesta, mostra tutti i passaggi intermedi e aggiusta in base al tasso di abbandono previsto. Il risultato include una matrice di sensibilità che mostra come varia la dimensione del campione al variare delle ipotesi di effetto e potenza.
Perché una matrice invece di un singolo numero
La dimensione dell'effetto pre-specificata è quasi sempre incerta. Le dimensioni dell'effetto pubblicate sono spesso sovrastimate a causa del bias dei piccoli studi e della pubblicazione selettiva. La matrice di sensibilità — che mostra le dimensioni del campione su una griglia di effetti plausibili (es. d di Cohen = 0,3 – 0,6) e livelli di potenza (80%, 85%, 90%) — fornisce un range di pianificazione realistico.
Stima della dimensione dell'effetto dalla letteratura
Se non dispone di una stima precedente, l'IA la guiderà nella ricerca su PubMed di studi simili pubblicati per estrarne le dimensioni dell'effetto osservate. La ricorderà inoltre che le dimensioni dell'effetto pubblicate possono sovrastimare l'effetto reale; utilizzare un valore del 20–30% inferiore a quello pubblicato è una pratica conservativa raccomandata dai biostatistici.
Design di studio supportati
RCT paralleli a due bracci (superiorità, non-inferiorità, equivalenza), design appaiati (crossover, prima-dopo), studi di coorte prospettici, studi caso-controllo, indagini trasversali di prevalenza e studi di accuratezza diagnostica (sensibilità, specificità, AUC). Per design complessi come i trial randomizzati per cluster, vengono spiegati i parametri chiave delle formule e si raccomanda una consulenza specialistica.
Codice riproducibile
L'IA genera codice R eseguibile (pacchetti pwr, MASS o survival a seconda del caso) e/o codice Python (statsmodels, pingouin) per ogni calcolo, con tutti i parametri dichiarati esplicitamente. È possibile rieseguirlo autonomamente per verificare il risultato.
Verifica e limitazioni
I calcoli della dimensione del campione implicano ipotesi; questo strumento è un supporto alla pianificazione, non uno strumento regolatorio. Verifichi sempre le dimensioni del campione finali con software validato (G*Power, PASS, nQuery) e, per gli studi clinici regolamentati, consulti un biostatistico qualificato.