Desain Studi dan Perencanaan Ukuran Sampel
Desain studi dan perencanaan ukuran sampel adalah bagian dari biostatistik yang berkaitan dengan keputusan yang dibuat sebelum data dikumpulkan: bagaimana partisipan dipilih dan dibandingkan, bagaimana paparan atau intervensi dialokasikan, seberapa besar studi harus dilakukan untuk menjawab pertanyaannya secara andal, dan bagaimana kerugian yang dapat diperkirakan seperti putus sekolah diantisipasi. Pilihan-pilihan ini menentukan batasan apa yang dapat disimpulkan oleh analisis selanjutnya, itulah sebabnya para epidemiolog memperlakukan desain sebagai dasar inferensi yang valid.
Definition
Desain studi dan perencanaan ukuran sampel adalah serangkaian metode pra-data yang menentukan bagaimana subjek diambil sampelnya dan dibandingkan, bagaimana perlakuan atau paparan dialokasikan, berapa banyak subjek yang dibutuhkan untuk kekuatan yang memadai, dan bagaimana kehilangan data yang diantisipasi ditangani, sehingga studi yang dihasilkan dapat mendukung kesimpulan yang valid dan tepat.
Scope
Area ini mengarahkan pembaca ke tahap perencanaan penelitian kesehatan kuantitatif. Ini mengelompokkan topik-topik yang menentukan validitas internal dan presisi suatu studi sebelum pengumpulan data: menghitung ukuran sampel dan kekuatan statistik yang diperlukan, pencocokan dan stratifikasi untuk mengendalikan perancu, randomisasi dan pemblokiran untuk menyeimbangkan kelompok perbandingan, dan perencanaan untuk data yang hilang dan atrisi. Ini memperlakukan topik-topik ini sebagai topik referensi metodologis daripada sebagai instruksi klinis, dan ini berada di samping area biostatistik tahap analisis.
Sub-topics
Core questions
- Bagaimana kelompok perbandingan harus dibentuk agar hanya berbeda dalam paparan atau intervensi yang diminati?
- Berapa banyak partisipan yang dibutuhkan untuk mendeteksi efek dengan ukuran tertentu dengan kekuatan dan tingkat kesalahan yang dapat diterima?
- Perangkat desain mana (pencocokan, stratifikasi, randomisasi, pemblokiran) yang paling baik mengendalikan perancu untuk pertanyaan yang ada?
- Bagaimana data yang hilang dan atrisi partisipan akan dicegah, diminimalkan, dan diperhitungkan sebelumnya?
Key concepts
- Validitas internal
- Kekuatan statistik dan kesalahan tipe I/II
- Ukuran efek dan perbedaan klinis minimal yang penting
- Pengendalian perancu berdasarkan desain
- Randomisasi dan penyembunyian alokasi
- Stratifikasi dan pencocokan
- Atrisi dan perencanaan niat untuk mengobati
Mechanisms
Desain bekerja dengan membentuk proses pembangkitan data sehingga perbandingan yang dibuat adil. Randomisasi membuat kelompok perlakuan dapat dipertukarkan dalam ekspektasi, menghilangkan perancu oleh faktor-faktor yang terukur maupun tidak terukur; pencocokan dan stratifikasi menghilangkan atau mengendalikan perancu oleh faktor-faktor tertentu; dan pemblokiran menjaga ukuran kelompok seimbang dari waktu ke waktu. Perencanaan ukuran sampel kemudian mengaitkan desain dengan pertanyaan secara kuantitatif, menerjemahkan ukuran efek target, tingkat signifikansi yang diterima, dan kekuatan yang diinginkan ke dalam jumlah subjek yang dibutuhkan, dengan inflasi untuk atrisi yang diharapkan. Perencanaan untuk data yang hilang di muka menjaga validitas yang dimaksudkan untuk diamankan oleh perangkat-perangkat ini.
Clinical relevance
Kualitas bukti yang diandalkan oleh klinisi dan pembuat kebijakan sebagian besar ditentukan pada tahap desain, sehingga memahami metode-metode ini sangat penting untuk menilai apakah kesimpulan suatu studi dapat dipercaya. Area ini menjelaskan bagaimana bukti yang kuat direncanakan dan dihasilkan; ini adalah referensi untuk penilaian kritis dan metodologi penelitian dan bukan sumber panduan diagnostik atau pengobatan.
Evidence & guidelines
Pedoman pelaporan mengkodifikasi praktik desain yang baik: pernyataan CONSORT 2010 dan dokumen penjelasannya menetapkan harapan tentang bagaimana randomisasi, ukuran sampel, dan aliran partisipan (termasuk kerugian) dilaporkan dalam uji coba. Tinjauan metodologis dalam literatur medis umum, seperti seri epidemiologi Lancet, memberikan penjelasan yang mudah diakses tentang bagaimana pilihan desain melindungi validitas, dan teks standar seperti Modern Epidemiology menyediakan kerangka kerja yang mendasari.
History
Desain studi modern tumbuh dari eksperimen pertanian awal abad kedua puluh oleh R. A. Fisher, yang memperkenalkan randomisasi, replikasi, dan pemblokiran, serta dari epidemiologi klinis dan penyakit kronis pertengahan abad, di mana uji coba acak dan desain observasional diformalkan. Perhitungan kekuatan dan ukuran sampel masuk ke dalam praktik rutin ketika kerangka kerja Neyman-Pearson untuk pengujian hipotesis diadopsi, dan standar pelaporan seperti CONSORT kemudian mengkonsolidasikan harapan tentang bagaimana elemen-elemen desain ini direncanakan dan diungkapkan.
Key figures
- Kenneth Schulz
- David Grimes
- Douglas Altman
- Kenneth Rothman
- Sander Greenland
Related topics
Seminal works
- moher-2010-consort
- schulz-grimes-2002-sampsize
- rothman-2008-me
Frequently asked questions
- Mengapa desain studi dianggap lebih penting daripada analisis statistik?
- Analisis hanya dapat menggambarkan data yang dihasilkan oleh desain; desain yang cacat (perbandingan yang tidak adil, terlalu sedikit subjek, atau kerugian yang tidak terencana) memperkenalkan bias atau ketidaktepatan yang tidak dapat sepenuhnya diperbaiki oleh analisis selanjutnya, sehingga keputusan yang dibuat sebelum pengumpulan data sebagian besar menentukan apa yang dapat disimpulkan.
- Apa yang membedakan topik-topik yang dikelompokkan di bawah area ini?
- Semuanya berkaitan dengan pilihan yang dibuat sebelum data dikumpulkan: seberapa besar studi seharusnya (ukuran sampel), bagaimana membentuk kelompok yang sebanding (pencocokan, stratifikasi, randomisasi, pemblokiran), dan bagaimana merencanakan data yang tidak lengkap (data yang hilang dan atrisi).