Örneklem büyüklüğü yalnız “kaç kişi gerekir?” sorusuna verilen tek bir sayı değildir. Hesap; birincil hipotez, sonuç değişkeninin türü, karşılaştırma yapısı, klinik olarak anlamlı en küçük etki, değişkenlik, alfa düzeyi, hedef güç ve olası veri kaybı birlikte tanımlandıktan sonra yapılır. Kullanılacak yöntem araştırma tasarımına göre değişir.
Hesaptan önce hangi kararlar verilmelidir?
Örneklem hesabına yazılım seçerek değil, birincil araştırma sorusunu kesinleştirerek başlanır. Aynı çalışmada çok sayıda sonuç ölçülebilir; ancak örneklem planını taşıyan birincil sonlanımın, karşılaştırmanın ve zaman noktasının önceden tanımlanması gerekir.
Örneğin “tedavi etkili mi?” ifadesi hesap için yetersizdir. Hangi tedavinin, hangi karşılaştırıcıya karşı, hangi ölçekte, hangi zaman noktasında ve ne büyüklükte bir fark oluşturmasının bilimsel veya klinik bakımdan önemli sayılacağı belirtilmelidir.
- Birincil sonlanım ve ölçüm düzeyi
- Bağımsız grup, eşleştirilmiş veya tekrarlı ölçüm yapısı
- Beklenen ya da anlamlı kabul edilen etki büyüklüğü
- Sonuç değişkeninin beklenen değişkenliği veya olay oranı
- Tek/çift yönlü hipotez, alfa düzeyi ve hedef güç
- Grup oranları, kümeleme, takip kaybı ve eksik veri beklentisi
Etki büyüklüğü nereden alınır?
Etki büyüklüğü yalnız önceki bir çalışmada bulunan farkın kopyalanmasıyla belirlenmemelidir. Küçük çalışmalardaki gözlenen etkiler kararsız ve abartılı olabilir. Öncelik, klinik olarak anlamlı en küçük farkın tanımlanmasıdır. Bu mümkün değilse sistematik derleme, benzer popülasyondaki güvenilir çalışmalar, pilot veriler ve duyarlılık analizleri birlikte değerlendirilir.
İyi bir plan tek bir varsayıma dayanmaz. Örneğin standartlaştırılmış etki 0,30; 0,40 ve 0,50 olduğunda gerekli örneklemin nasıl değiştiği gösterilmelidir. Böylece çalışmanın varsayımlara ne kadar duyarlı olduğu anlaşılır.
Her çalışma için aynı güç analizi kullanılmaz
Özellikle çok değişkenli tahmin modellerinde yalnız “değişken başına 10 olay” gibi kaba kurallar yeterli değildir. Beklenen açıklanan varyans, olay oranı, aday parametre sayısı, aşırı uyum ve hedeflenen tahmin hassasiyeti birlikte ele alınmalıdır.
- İki ortalama veya iki oran karşılaştırması
- Eşleştirilmiş/tekrarlı ölçümler ve karma modeller
- Korelasyon ve regresyon katsayıları
- Sağkalım analizinde olay sayısı ve takip süresi
- Tanı doğruluğunda duyarlılık, özgüllük veya AUC hassasiyeti
- Küme randomizasyonunda tasarım etkisi
- Non-inferiority/equivalence çalışmalarında marj
- Tahmin modeli geliştirme veya dış doğrulamada model performansı
Hesap raporda nasıl yazılmalıdır?
Yöntem bölümünde kullanılan yaklaşım yeniden üretilebilir olmalıdır. Yazılım adı tek başına yeterli değildir. Birincil karşılaştırma, test/model, varsayılan etki, değişkenlik veya olay oranı, alfa, güç, grup dağılımı, kayıp payı ve kullanılan yazılımın sürümü belirtilmelidir.
Örnek bir raporlama cümlesi: “İki bağımsız grubun ortalamalarının karşılaştırılması için, çift yönlü α=0,05, %80 güç ve Cohen d=0,50 varsayımlarıyla her grupta en az 64 katılımcı gerektiği hesaplandı. %10 olası veri kaybı dikkate alınarak toplam örneklem 144 olarak planlandı.” Bu cümle ancak çalışmanın gerçek tasarımı ve gerekçeleriyle uyumluysa kullanılmalıdır.
En sık yapılan hatalar
- Önceki makaledeki örneklem sayısını gerekçesiz kopyalamak
- Birincil sonlanımı tanımlamadan G*Power ekranından test seçmek
- Klinik olarak anlamsız büyüklükte bir etkiyi hedeflemek
- Çok gruplu veya tekrarlı tasarımı iki grup karşılaştırması gibi ele almak
- Kayıp oranını hesaba katıp nedenini açıklamamak
- Çalışma bittikten sonra post-hoc gücü örneklem gerekçesi gibi sunmak
Sık sorulan sorular
Her çalışma için %80 güç yeterli midir?
%80 sık kullanılan bir düzeydir; evrensel bir zorunluluk değildir. Yanlış negatif sonucun klinik ve bilimsel maliyeti, çalışma türü ve kaynaklar dikkate alınarak daha yüksek güç gerekebilir.
G*Power örneklem hesabı için yeterli midir?
Basit tasarımlar için yararlı olabilir. Karma modeller, tanı doğruluğu, sağkalım, kümelenmiş tasarımlar ve tahmin modelleri gibi durumlarda farklı yöntem veya yazılımlar gerekebilir.
Çalışma bittikten sonra güç analizi yapılmalı mı?
Gözlenen post-hoc güç çoğu durumda p değerinin başka bir ifadesidir ve sonuç yorumuna az katkı sağlar. Etki tahmini ile güven aralığını raporlamak genellikle daha bilgilendiricidir.
Temel kaynaklar
- Lakens D. Sample Size Justification. Collabra: Psychology (2022)
- ICMJE Recommendations — Statistics (Ocak 2026)
- Riley ve ark. Clinical prediction models için örneklem (BMJ, 2020)
Bu içerik genel bilimsel bilgilendirme amacı taşır; tek başına çalışma özelinde istatistiksel karar veya etik/hukuki görüş oluşturmaz.
Bu yöntemin sizin tasarımınıza uygun olup olmadığını birlikte değerlendirelim.
Araştırma sorusu, değişken listesi ve mevcut aşamanızı kısaca paylaşın; ihtiyaç duyulan desteğin kapsamını netleştirelim.