Смоляков Юрий Николаевич, к.м.н., доцент, заведующий кафедрой медицинской физики и цифровой медицины
ResearcherID: R-5740-2017, Scopus: 57200938643
672000, г. Чита, ул. Горького, 39а
Yuri Nikolaevich Smolyakov, Candidate of Medical Sciences, Associate Professor, Head of the Department of Medical Physics and Digital Medicine
ResearcherID: R-5740-2017, Scopus: 57200938643
39а Gorky St., Chita, Russia, 672000
Курмангулов Альберт Ахметович, д.м.н., доцент, профессор кафедры общественного здоровья и здравоохранения Института общественного здоровья и цифровой медицины
625023, г. Тюмень, ул. Одесская, д. 54
Kurmangulov A.A., Doctor of Medical Sciences, Associate Professor, Professor of the Department of Public Health and Healthcare of the Institute of Public Health and Digital Medicine
ResearcherID: AAT-3573-2020, AuthorID (Scopus): 57190403989
54 Odesskaya St., Tyumen, 625023
Статья носит методологический характер и посвящена одному из наиболее ранних этапов планирования биомедицинских исследований – априорному анализу статистической мощности. В условиях научного дискурса о проблеме воспроизводимости результатов эмпирический расчет объема выборки уступает место строгим математически обоснованным подходам, что согласуется с принципами доказательной медицины, требованиями биоэтики и задачами экономики здравоохранения. В работе подробно изложены теоретико-вероятностные основы проверки статистических гипотез, проанализирован баланс между вероятностями ошибок I и II рода, а также раскрыта концепция минимального клинически значимого размера эффекта (SESOI). Особое внимание уделено практическим и методологическим аспектам реализации расчета: поправкам на множественные сравнения, планированию анализа подгрупп, влиянию неравных объемов групп и компенсации ожидаемого выбытия пациентов. Представлено сравнительное описание аналитических инструментов с акцентом на доступность локализованных русскоязычных интерфейсов для исследователей медицинского профиля. Рассмотрена архитектура открытой программы Jamovi: проводится сравнение модуля jPower, ориентированного только на классический параметрический t-критерий, и модуля jYS, предоставляющего инструментарий априорного расчета мощности для широкого спектра прикладных непараметрических и многофакторных статистических моделей, применяемых при анализе клинических данных.
This methodological article focuses on one of the earliest stages of planning biomedical research: a priori statistical power analysis. In the context of the scientific discourse on the problem of result reproducibility, empirical sample size calculation is giving way to rigorous mathematically justified approaches, which is consistent with the principles of evidence-based medicine, the requirements of bioethics, and the objectives of healthcare economics. The text details the probability theory behind hypothesis testing, examining the relationship between Type I and Type II errors. INEXT, the smallest effect size of interest (SESOI) is specified. Practical calculations force researchers to adjust for multiple comparisons and map out subgroup analyses. The text also covers how to handle groups of unequal sizes and what to do about expected patient dropouts. Later in the text, we review several software packages. We focused heavily on platforms with Russian interfaces because local doctors need tools they can easily navigate. We examine the open- source software Jamovi to show exactly how this works. We look at two of its modules to show the exact contrast. jPower targets only the standard parametric t-test. The jYS plugin, by contrast, handles much more complex tasks. It allows researchers to calculate a priori power for the multifactorial and non-parametric models that actually appear in real clinical datasets.
The authors declare that there are no conflicts of interest present.