SCI 审稿人：请在论文中提供检验效能power，以确保样本量是足够的

详情请点击下方：

欢迎报名！2024年GBD数据库挖掘培训班6.1-6.2，快速撰写SCI论文！

---

一般临床、公卫的论文，现况调查和临床试验是需要样本量的计算，但也有些审稿，要求你在回顾性的队列研究或者病例对照研究研究也提供样本量。

比如，在昨天报道的一篇大型队列研究论文中，就审稿人就有要求了。

-Please provide the power size calculation for the study with a justification that the sample size is enough to draw robust conclusions. 

版面费2万元！本科生在“排名第一”的二区发表论文，值吗？

实际上，这篇文章样本量最高9000多例，是足够的。但审稿人有要求，怎么办？

一般来说，审稿人有要求，那就去算，要么提供样本量，要么提供检验效能（把握度）。

通常大型回顾性队列研究提供的是检验效能。

而这篇文章，根据审稿人意见，把两者都算了下。

1. 样本量计算

为确保样本大小有效，本文使用以下公式进行计算。

由于听力损失的发生率难以获取，因此使用了患病率来进行估算。根据基于“世卫组织耳朵和听力障碍调查方案”在中国四个省进行的最新调查，听力障碍的患病率标准为15.84%。

• 对于CHARLS数据集，我们假设RR=1.2，p0=15.84%，最小样本量为3744。

2，进行计算检验效能以验证样本量大小。

为了澄清样本大小具有获取可靠结果的效能，我们计算了两队列研究的效能。都选择了α=0.05。得出的结果是：

在CHARLS中使用样本量（n=9049）来寻找固体燃料和清洁燃料之间听力损失差异是可靠的，其能力为0.99。

其实，检验效能和样本量是相通的，通过检验效能1-β可以算样本量，反之亦然。

如果要查看本篇文献原文，原文PDF获取方式：本公众号回复关键词“原文”

---

情请点击下方：

欢迎报名，GBD公共数据库挖掘1对1指导高级班，快速发表SCI论文！