0 like 0 dislike

Mình muốn thiết kế một nghiên cứu biến số liên tục là nồng độ Creatinine trong máu. Một nhóm (mẫu) nghiên cứu sẽ được ghi nhận nồng độ Creatinine/máu trước và sau khi can thiệp thủ thuật.

Mục tiêu: muốn biết việc can thiệp thủ thuật có làm ảnh hưởng đến nồng độ creatinine/máu không?

Vậy cỡ mẫu nên tính như thế nào là đúng?

in Nghiên cứu Khoa học by

1 Answer

0 like 0 dislike

Bạn đã xác định được mục tiêu cũng như hướng kiểm định sử dụng (t-test bắt cặp), nên tiếp theo là dùng công thức tính cỡ mẫu cho kiểm định này.

V.d. trong mẫu bắt cặp, giả thuyết vẫn là image giả thuyết có thể viết lại thành kiểm định khác biệt image và giả thuyết không trở thành image (không có sự khác biệt).

Sự khác biệt với mẫu độc lập là mẫu bắt cặp sẽ có tương quan trước sau (v.d. lần 1 có nồng độ cao thì nhiều khả năng đo lần 2 cũng có nồng độ cao hơn là những đối tượng có nồng độ lần 1 thấp), và điều này cần được đưa vào trong tính toán cỡ mẫu.

Tiếp theo, tương tự như các cách tính cỡ mẫu khác, nếu không có giả định về hướng của khác biệt thì chọn kiểm định 2 bên, nếu có hướng là trung bình tăng/giảm thì chọn kiểm định một bên phù hợp. Thu thập các dữ kiện trong y văn về trung bình, phương sai, độ lớn khác biệt và hệ số tương quan giữa hai mẫu (để tính độ lớn ảnh hưởng - effect size) mong đợi để đưa vào công thức tính.

Cách tính sau từ sách về cỡ mẫu của Cohen (Cohen, J. (1969). Statistical power analysis for the behavioural sciences. New York: Academic Press., trang 48). Trong này Cohen đề nghị một số hệ số độ lớn ảnh hưởng nên sử dụng khi không thu thập được thông tin chi tiết về trường hợp đang nghiên cứu. Cụ thể độ lớn ảnh hưởng

image

nên chọn là 0.2, 0.5, và 0.8 cho độ lớn ảnh hưởng nhỏ, trung bình và lớn. Đương nhiên nếu có đủ thông tin cho công thức trên thì thế vào và tính $d_z$. Bạn cũng biết là khác biệt càng lớn thì cỡ mẫu cần để phát hiện sự khác biệt sẽ càng nhỏ.

Tiếp theo, để minh họa có thể dùng R để tính cỡ mẫu, v.d. kiểm định 2 bên với $\alpha=0.05, \beta = 0.2$ cho 3 trường hợp hệ số của Cohen

#R
install.packages('pwr')
library('pwr')
pwr.t.test(d=0.2,power=0.8,sig.level=0.05,type="paired",alternative="two.sided")
pwr.t.test(d=0.4,power=0.8,sig.level=0.05,type="paired",alternative="two.sided")
pwr.t.test(d=0.8,power=0.8,sig.level=0.05,type="paired",alternative="two.sided")

Cho các cỡ mẫu tương ứng (lưu ý n là số cặp).

#R
> pwr.t.test(d=0.2,power=0.8,sig.level=0.05,type="paired",alternative="two.sided")

     Paired t test power calculation 

              n = 198.1508
              d = 0.2
      sig.level = 0.05
          power = 0.8
    alternative = two.sided

NOTE: n is number of *pairs*

> pwr.t.test(d=0.4,power=0.8,sig.level=0.05,type="paired",alternative="two.sided")

     Paired t test power calculation 

              n = 51.00945
              d = 0.4
      sig.level = 0.05
          power = 0.8
    alternative = two.sided

NOTE: n is number of *pairs*

> pwr.t.test(d=0.8,power=0.8,sig.level=0.05,type="paired",alternative="two.sided")

     Paired t test power calculation 

              n = 14.30278
              d = 0.8
      sig.level = 0.05
          power = 0.8
    alternative = two.sided

NOTE: n is number of *pairs*
by (100 points)

Related questions

1 like 0 dislike
0 answers
0 like 0 dislike
0 answers
0 like 0 dislike
1 answer
0 like 0 dislike
1 answer