营养研究样本量计算策略：参与者数量需求与统计方法探讨

来自多伦多大学的研究人员系统综述了营养研究中样本量计算的统计方法，重点探讨了效应值选择、统计功效和多重比较校正等关键问题，提出了针对不同类型研究设计的实用策略，为提升营养科学研究的严谨性和可重复性提供了重要方法论指导。

　　

在营养科学研究中，确定合适的参与者数量是确保研究有效性和可靠性的核心环节。本文系统梳理了多种样本量计算方法，重点探讨了效应值(effect size)的确定策略，包括Cohen's d、η2等标准化指标的应用。针对随机对照试验(RCT)，强调了把握度(power analysis)计算需达到80%-90%的标准，同时考虑脱落率(dropout rate)的影响。

对于观察性研究，文章详细说明了多变量分析中协变量控制的样本量调整方法，特别是线性回归和逻辑回归模型所需的最小样本量计算公式。在营养组学研究中，特别提醒需注意多重比较问题，建议采用错误发现率(FDR)校正而非Bonferroni校正以平衡假阳性和统计功效。

研究人员还对比了G*Power、PASS、SAS PROC POWER等常用统计软件的差异，提供了针对连续变量、分类变量和生存分析的不同计算模板。针对现代营养学研究特点，特别讨论了微生物组研究中的样本量估算策略，强调α多样性和β多样性分析所需的不同统计假设。

文章最后提出了样本量报告规范，建议在研究论文中详细说明显著性水平(α)、统计功效(1-β)、效应值估计依据和计算方法，以促进研究结果的可靠性和可重复性。这些方法论指导对提升营养科学研究的严谨性具有重要实践价值。