표본 크기 계산기

도구 소개

임상 및 생의학 연구자를 위한 표본 크기 계산 도우미입니다. 연구 설계, 주요 결과, 예상 효과 크기, 유의 수준, 목표 검정력을 입력하면 AI가 검증된 통계 공식을 사용하여 필요한 표본 크기를 계산하고, 모든 중간 단계를 표시하며, 예상 탈락률을 반영하여 조정합니다. 결과에는 민감도 행렬이 포함되어 다양한 효과 크기와 검정력 가정 하의 표본 크기 변화를 보여줍니다.

왜 단일 숫자 대신 행렬을 표시하는가

사전에 지정한 효과 크기는 거의 항상 불확실합니다. 소규모 연구 편향과 선택적 보고로 인해 발표된 효과 크기는 과대평가되는 경우가 많습니다. 민감도 행렬—합리적인 효과 크기(예: Cohen's d = 0.3~0.6)와 검정력 수준(80%, 85%, 90%)의 격자에 걸친 표본 크기 표시—은 현실적인 계획 범위를 제공합니다.

문헌 기반 효과 크기 추정

사전 효과 크기 추정치가 없으면 AI가 PubMed에서 유사한 발표 연구를 검색하여 관찰된 효과 크기를 추출하도록 안내합니다. 또한 발표된 효과 크기가 실제 효과를 과대평가할 수 있으므로, 발표값보다 20~30% 작은 보수적 추정치 사용을 권장합니다.

지원 연구 설계

2군 평행 RCT(우월성, 비열등성, 동등성), 대응 설계(교차시험, 전후 비교), 전향적 코호트 연구, 환자-대조군 연구, 단면 유병률 조사, 진단 정확도 연구(민감도, 특이도, AUC). 군집 무작위 배정 시험 등 복잡한 설계에 대해서는 핵심 공식 매개변수 설명을 제공하고 전문 상담을 권장합니다.

재현 가능한 코드

AI는 모든 계산에 대해 실행 가능한 R 코드(pwr, MASS, 또는 survival 패키지)와 Python 코드(statsmodels, pingouin)를 생성하며, 모든 매개변수를 명시적으로 선언합니다. 독립적으로 다시 실행하여 결과를 검증할 수 있습니다.

검증 및 한계

표본 크기 계산은 가정을 포함합니다. 이 도구는 계획 보조 도구이며 규제 도구가 아닙니다. G*Power, PASS, nQuery 등 검증된 소프트웨어로 최종 표본 크기를 반드시 확인하고, 규제 임상시험의 경우 자격을 갖춘 생물통계학자와 상담하십시오.