Sağlık araştırmalarında güç analizinin önemi ve temel prensipleri: Tıbbi çalışmalar üzerinde uygulamalı örnekler

Year 2020, Volume: 18 Issue: 1, 103 - 112, 30.04.2020

Oya Kalaycıoğlu Serhat Emre Akhanlı

https://doi.org/10.20518/tjph.602400

Cited By: 9

Abstract

Amaç: Güç analizi ile örneklem büyüklüğü tahmini tıbbi araştırmacılar ve etik kurulu üyeleri tarafından çoğu zaman yanlış yorumlanan bir konudur. Bu çalışmada, istatistik alanı dışından olan araştırmacıların, örneklem büyüklüğü, etki büyüklüğü ve istatistiksel güç ile ilgili sorularının cevaplanması amaçlanmıştır. Yöntem: Bu kapsamda, farklı tıbbi araştırma düzenlerinde güç analizi gerçekleştirmek için kullanılacak etki büyüklüklerinin ne anlama geldiği ve nasıl hesaplandığı anlatılmıştır. Farklı etki büyüklüklerinde, farklı istatistiksel güç düzeylerinde ve %5 istatistiksel anlamlılık seviyesinde bağımsız gruplar için t-testi, tek yönlü ANOVA ve Ki-kare testleri için gerekli olan örneklem büyüklükleri GPower 3.1 programı kullanılarak hesaplanmıştır. Bulgular: Farklı istatistiksel testler için gerçekleştirilen güç analizleri, etki büyüklüğünün örneklem sayısı belirlemede ne derecede önemli rol oynadığını göstermiştir. Gereğinden az sayıda birim üzerinde deney yapılması gerçekte var olan önemli bir etkinin tespit edilememesine neden olabilirken, çok fazla sayıda örnek üzerinde test yapılması istatistiksel olarak anlamlı fakat gerçekte klinik olarak önemsiz bir etkinin tespit edilmesine yol açabilir. Sonuç: Sonuç olarak, bir araştırma kapsamında beklenen klinik anlamlılığı ortaya çıkarmak için alınması gereken etki büyüklüğü, araştırma hipotezi ile uyumlu belirlenmelidir. Çünkü araştırma sonucunda verilecek kararların niteliği ve klinik anlamlılığı örneklemin hangi etki büyüklüğüne dayanarak seçildiğine bağlıdır.

Keywords

Güç analizi, örnekleme, örneklem büyüklüğü, etki büyüklüğü, klinik anlamlılık

The importance and main principles of power analysis in health research: Application examples on medical case studies

Abstract

Objective: Estimation of sample size by power analysis is an oft-misinterpreted topic by medical researchers and ethical committee members. This study aims to answer the questions of non-statisticians regarding sample size, effect size and statistical power. Material and Method: In this context, the meaning of the effect size used in power analysis for different medical research designs and how they were calculated are explained. Sample sizes required for independent sample t-test, one-way ANOVA and Chi-Square tests were calculated using the GPower 3.1 software at different effect sizes, different statistical power levels and at 5% statistical significance level. Results: Power analyses which were performed for different statistical tests showed the importance of effect size in determining the sample size. Conducting an experiment on an insufficient number of units may result in the undetectability of a significant effect which exists. On the other hand, applying a test on too large a sample may result in the detection of a statistically significant, but in fact, clinically insignificant effect. Conclusion: In conclusion, the effect size that should be taken in order to reveal the expected clinical significance in a study should be determined in accordance with the research hypothesis. The quality and clinical significance of the decisions to be made at the end of the research depends on the sample size, which is dependent on the effect size. 

Keywords

Power analysis, sampling, sample size, effect size, clinical significance

References

• McDonald JH. Handbook of Biological Statistics. Baltimore, MD: Sparky House Publishing, 2009.
• Hickey GL, Grant WG, Dunning J, Siepe M. Statistical primer: sample size and power calculations—why, when and how?. European Journal of Cardio-Thoracic Surgery 2018; 54(1):4-9.
• Kul S. Klinik Araştırmalarda Örnek Genişliği Belirleme. Ekstraplevral 2011;11:129-132.
• Cohen, J. Statistical power analysis for the behavioural sciences. New York: Academic Press, 2013.
• Faul F, Erdfelder E, Buchner A, Lang AG. Statistical power analyses using G* Power 3.1: Tests for correlation and regression analyses. Behaviour research methods 2009; 41(4): 1149-1160.
• Guo Y, Logan HL, Glueck DH, Muller KE. Selecting a sample size for studies with repeated measures. BMC Medical Research Methodology 2013; 13(1):100.
• Suresh KP, Chandrashekara S. Sample size estimation and power analysis for clinical research studies. Journal of Human Reproductive Sciences 2012; 5(1):7.
• Liu X. Statistical power and optimum sample allocation ratio for treatment and control having unequal costs per unit of randomization. Journal of Educational and Behavioral Statistics 2003; 28(3): 231-248.
• Torgerson D. Designing randomised trials in health, education and the social sciences: an introduction. New York: Palgrave Macmillan, 2012.
• Lehmann EL. Nonparametrics: Statistical Methods Based on Ranks. Springer, 2006.
• Moher D. CONSORT: an evolving tool to help improve the quality of reports of randomized control trials. Consolidated standards of reporting trials. JAMA 1998; 279:1489-91.
• Süt N. Klinik araştırmalarda örneklem sayısının belirlenmesi ve güç (power) analizi. RAED Dergisi 2011; 3(1): 29-33.