Forskning görs för att hitta en lösning på ett visst medicinskt problem (formulerat som en forskningsfråga som i sin tur är) baserat på statistik. I en idealisk situation bör hela populationen studeras, men detta är nästan omöjligt. Förutom folkräkningar, som utförs på varje enskild person i befolkningen, utförs alla andra studier på begränsade personer som dras från den berörda befolkningen och som kallas ”urvalspopulation”. De erhållna uppgifterna analyseras och slutsatser dras som sedan extrapoleras till den studerade populationen. Syftet med denna ledare är att belysa behovet och betydelsen av beräkning av urvalsstorlek som bör utföras innan en studie påbörjas.

Vikten av beräkning av urvalsstorlek kan inte nog understrykas. En forskning kan genomföras för olika syften. Den kan göras för att fastställa en skillnad mellan två behandlingsregimer när det gäller fördefinierade parametrar som gynnsamma effekter, biverkningar och riskfaktorer för dessa regimer. Den kan också utföras för att bevisa likhet mellan grupper. Ibland kan syftet vara att uppnå en viss uppskattning i befolkningen, t.ex. prevalensen av en sjukdom. Oavsett vad syftet är kan man bara dra en exakt och korrekt slutsats om man har ett lämpligt urval. Ett mindre urval ger ett resultat som kanske inte är tillräckligt kraftfullt för att upptäcka en skillnad mellan grupperna, och undersökningen kan visa sig vara falskt negativ, vilket leder till ett typ II-fel. En undersökning av ett litet urval är ganska frestande av uppenbara skäl, men det är slöseri med tid och pengar eftersom resultatet alltid kommer att vara ofullständigt. Mycket ofta bestäms ett litet urval godtyckligt utifrån forskarnas bekvämlighet, tillgänglig tid och resurser, vilket resulterar i en nollstudie på grund av ett otillräckligt antal studerade försökspersoner. Moher et al. belyste i litteraturen omfattningen av studier med otillräcklig styrka som resulterar i nollstudier. I en studie fann de att av 102 nollstudier hade endast 36 % 80 % en styrka på 80 % för att upptäcka en relativ skillnad på 50 % mellan grupperna. Endast när det gäller sällsynta sjukdomar eller indikationer är en studie med för liten effekt motiverad av logistiska skäl, eftersom data från en sådan studie är till hjälp i metaanalyser.

En mycket stor urvalsstorlek rekommenderas inte heller, eftersom den har sina egna konsekvenser. För det första är det ett slöseri med de begränsade tillgängliga resurserna i form av tid och pengar när ett svar kan hittas korrekt från ett mindre urval. För det andra kan rekrytering av fler försökspersoner än vad som krävs också betecknas som oetiskt eftersom patienterna deltar i en studie med tro och ett altruistiskt motiv som inte bör missbrukas. För det tredje kommer fler personer i randomiserade kontrollerade studier att nekas en bättre behandling och kommer att få placebo eller en sämre behandling med tillhörande biverkningar eller toxicitet på grund av studiens inneboende utformning. Dessa giltiga skäl är tillräckliga för att motivera en korrekt uppskattning av urvalsstorleken innan en studie inleds.

Tyvärr kan beräkningen av urvalsstorleken variera beroende på vilken typ av studiedesign som används, men grundkonceptet förblir detsamma. De tre viktigaste faktorerna som måste beaktas är α-fel, β-fel och kliniskt signifikant skillnad eller effektstorlek. Typ I-fel eller α-fel är att man inte accepterar nollhypotesen när den faktiskt är sann. Vanligtvis fastställs det till 5 %. Urvalsstorleken måste ökas om detta värde måste sänkas. Typ II-fel eller β-fel är att man inte förkastar nollhypotesen när den inte är sann. Enligt konvention kan det sättas till 20 %, 10 % eller 5 %. Undersökningens effekt är lika med 1 typ II-fel; därför bör varje undersökning ha en effekt på minst 80 %. Urvalsstorleken ökar när studiens styrka ökar från 80 % till 90 % eller 95 %. Den tredje faktorn är effektstorleken. En liten kliniskt signifikant skillnad är svår att identifiera och kräver en större urvalsstorlek jämfört med en studie med en större kliniskt signifikant skillnad. Andra faktorer som måste beaktas är standardavvikelse för kvantitativa mätningar, felmarginal och bortfall. Dessa värden är antingen kända från litteraturen eller kan fastställas genom en pilotstudie eller genom rimliga gissningar. Den siffra vi får efter dessa beräkningar är inte den exakta siffran utan en ungefärlig vägledning för urvalsstorleken. Ibland måste urvalsstorleken som beräknats på detta sätt justeras med hänsyn till genomförbarheten, t.ex. medel, studiens längd och tillgängliga försökspersoner. Det bör dock inte ske någon större förändring av urvalsstorleken på grund av dessa faktorer. Grunden för den urvalsstorlek som valts i en viss studie måste anges i avsnittet ”material och metoder” i artikeln för att läsarna ska kunna ta del av den. Moher et al. fann 1994 att endast 32 % av nollstudierna rapporterade beräkningar av urvalsstorlek i publicerade artiklar. Redaktörerna är nu noga med att rapportera grunden för beräkningen av urvalsstorleken i publicerade artiklar. Ytterligare diskussioner om principerna för beräkning av urvalsstorlek ligger utanför ramen för denna ledare. De två artiklarna av Malhotra et al och Gogate i detta nummer av Indian Journal of Ophthalmology samt några andra viktiga artiklar kommer dock att ge ytterligare insikt i förståelsen av beräkningen av urvalsstorlek.

Varje större misstag i beräkningen av urvalsstorlek kommer att påverka en studies styrka och värde. ”Vanliga misstag när det gäller urvalsstorlek inkluderar att inte utföra några beräkningar, göra orealistiska antaganden, underlåta att ta hänsyn till potentiella förluster under studien och underlåta att undersöka urvalsstorlek över en rad olika antaganden. Orsaker till studier med otillräcklig storlek som inte uppnår statistisk signifikans är bland annat att man inte utför beräkningar av urvalsstorlek, väljer urvalsstorlek utifrån bekvämlighet, misslyckas med att säkra tillräcklig finansiering för projektet och använder inte den tillgängliga finansieringen effektivt.”

Slutsatsen är att beräkningen av urvalsstorlek är en mycket viktig aspekt av alla studier. Den bör göras vid tidpunkten för planeringen av en studie, baserat på typen av forskningsfråga och studiedesign. Det är tillrådligt att ta hjälp av en statistiker även i detta skede av studien. Författarna måste ge detaljerad information om den beräkning av urvalsstorlek som använts när de publicerar sina artiklar. Många nollstudier kan vara otillräckliga för att upptäcka den önskade skillnaden på grund av en mindre urvalsstorlek. De studier som har för liten effekt bör tolkas med försiktighet och ”avsaknaden av bevis” i dessa studier bör inte betraktas som ”bevis för avsaknad”.