样本量确定是许多研究者面临的挑战，不少读者在评论区表达了对样本量确定方法的好奇。实际上，样本量确定过程中最关键的环节并非软件操作本身，而是软件界面中需要填写的各项参数，这一点常常让研究者感到迷茫。由于样本量确定涉及众多复杂因素，单靠一篇短文难以全面阐述。为此，冯国双教授精心设计了八次课程，深入剖析了样本量确定过程中必须关注的核心要素。我们对此进行了系统整理，详细内容请查阅以下文章链接！
样本量确定的关键要素——研究目标
https://mp.weixin.qq.com/s/itm83cTpH2XLdwgAcWsguw
要点说明：研究目标是计算样本量的首要出发点，不同的研究目标决定了样本量计算的差异化路径。研究者需要明确：是进行组间差异比较，还是探究多个变量间的关联性，抑或是分析特定结果的影响因素。对于独立样本的组间比较，需根据比较指标的性质选择不同参数。若比较指标为连续型数据，必须考虑两组的均值、标准差以及预设的预期差异值。若比较指标为分类数据，则需关注两组的比率以及预设的比率差异。对于生存数据比较，则需纳入更多变量，如受试者招募周期、随访时长、预期中位生存期等。当组间比较涉及重复测量数据而非独立样本时，除上述参数外，还需考虑测量间的相关性。若相关性显著，可能需要相应增加样本量。（具体分析请点击文章标题查阅！）
样本量确定的关键要素——研究设计类型
https://mp.weixin.qq.com/s/zmaVyDnrT3oDhQj5u0poxQ
要点说明：不同研究设计类型具有独特的样本量计算逻辑。各类研究方法包括：横断面调查、病例对照研究、队列研究以及随机对照试验等，每种方法都有其特定的计算框架。例如：1. 横断面调查的研究设计要点；2. 病例对照研究与队列研究的差异化计算方法；3. 随机对照试验的样本量规划策略。（详细内容请点击文章链接获取！）
样本量确定的关键要素——研究假设
https://mp.weixin.qq.com/s/8q3sT1cpqoo-2SKdhgOk3A
内容解析：研究假设是针对特定总体提出的、与研究主要目标直接相关的命题性判断。通常，研究工作的开展始于假设的提出，随后通过招募研究对象、收集数据并实施统计分析，最终根据分析结果验证初始假设的有效性。（具体内容请点击文章标题链接查看！）
样本量确定的关键要素——显著性水平、把握度和错误类型
https://mp.weixin.qq.com/s/y4tvw71RA-6RgaMs6CjraA
内容说明：任何研究结论的得出都伴随着潜在的判断风险。
以研究塞来昔布药物与心血管事件风险关联性为例：研究者可以选择接受无效假设（认为二者无关联），或接受备择假设（认为二者存在关联）。无论做出何种判断，都存在犯错的可能性。若实际无关联，却得出存在关联的结论，则构成假阳性错误，也称为第一类错误（type I error）；若实际存在关联，却得出无关联的结论，则构成假阴性错误，也称为第二类错误（type II error）。（详细解释请点击文章链接查阅！）
样本量确定的关键要素——效应量
https://mp.weixin.qq.com/s/AznAczbaPkzwyukDjI-2bQ
内容阐释：样本量确定过程中，效应量的大小是核心考量因素。尽管”效应量”这一术语看似专业，实则广泛应用于实际研究中。（具体内容请点击文章标题链接获取！）
样本量确定的关键要素——变异程度
https://mp.weixin.qq.com/s/oc5ecUhtruIf6UYU4ET3XQ
内容说明：效应量大小与变异程度之间存在着密切的相互影响关系。在评估效应量时，必须同步考虑相应的变异程度，这构成了样本量确定中的第六个关键要素。（具体内容请点击文章链接查阅！）
样本量确定的关键要素——组间样本分配比例
https://mp.weixin.qq.com/s/0Kr6BH8uh0PygfnGAPb8qg
内容说明：样本分配比例仅在组间比较研究中具有实际意义。例如，在两组比较场景中，存在多种样本分配方式：两组样本量相等，或两组样本量不等。
许多研究者曾提出疑问：两组样本量必须相等吗？答案是否定的。样本量可以相等，也可以不等。然而，当两组样本量相等时，所需的总样本量通常最少。（详细分析请点击文章标题链接获取！）
样本量确定的关键要素——实际操作中的制约因素
https://mp.weixin.qq.com/s/LBNs_eI3nq41CzWCOvznUg
内容要点：除了上述已讨论的各项参数外，样本量计算有时还需考虑现实层面的制约因素，如研究经费预算、研究者招募能力、罕见病例的样本获取难度等。（详细内容请点击文章链接查阅！）