一、样本量

临床试验中的受试者数量应始终足够大，以便为所提出的问题提供可靠的答案。样本量通常由试验的主要目标决定。如果样本量是在其他基础上确定的，也应该是明确和合理的。例如，基于安全性问题所需的样本量可能要比基于有效性问题所需的样本量大。

确定合适的样本量通常需要以下因素：主要指标的类型（如二元或连续）、检验统计量、检验类型（如优效、非劣效性或等效性、单侧或双侧检验）、无效假设、备择假设所选择的剂量，体现考虑在剂量和选择的受试者目标人群中检测或拒绝的治疗差异，错误拒绝无效假设的概率（Ⅰ型错误）、错误地不拒绝无效假设（Ⅱ型错误）的概率，以及处理撤回和方案违背（PD）的方法。在某些情况下，事件发生率是评估把握度的主要关注点，应该做出假设，从所需的事件数量推断到研究的最终样本量。

在方案中给出计算样本量的方法，以及计算中使用的任何量的估计值（如方差、平均值、反应率、事件发生率、待检测的差异）。还应提供支持这些估计的参考信息。在多于一个主要指标的情况下，应保留从每个变量获得的最不利（即最大）的样本大小。此外，在这种情况下，样本量计算应考虑计划测试的多样性。

在确证性研究中，假设通常应基于公布的数据或早期研究的结果。要检测的治疗差异可以基于在受试者的管理中具有临床相关性的效应的判断或者基于对新治疗的预期效果的判断。

通常Ⅰ类错误的概率设定为5％或更低，被测假设的先验合理性和预期结果会影响Ⅰ类错误的概率的选择。Ⅱ类错误的概率通常设定为20％或更低。

等效性或非劣效性试验的样本量通常是基于临床上可接受最大的治疗差异的置信区间。通常在真实差异为零时评估检验把握度（检验效率），但如果真实差异不为零，估计可能不太准确。