Cách tính cỡ mẫu cho một nghiên cứu gồm những bước nào?

Trả lời trực tiếp: Cỡ mẫu là số quan sát bạn thu được, như bệnh nhân, sinh viên hay người trả lời khảo sát. Statistical power, tức khả năng phát hiện một hiệu ứng có thật, phụ thuộc vào cỡ mẫu, nên nghiên cứu thiếu power có thể bỏ sót hiệu ứng đó. Người bình duyệt xem lập luận cỡ mẫu là dấu hiệu của thiết kế nghiêm túc, nên phép tính này thuộc về đề cương chứ không thuộc phần thảo luận.

Bằng chứng: Hickey và cộng sự (2018), viết từ trang 4 tới trang 9 trên European Journal of Cardio-Thoracic Surgery, mô tả phép tính cỡ mẫu là một phần cốt lõi của thiết kế thử nghiệm và cảnh báo rằng các nghiên cứu nhỏ "may possess insufficient power to detect a clinically significant difference, if such a difference exists", tức có thể không đủ power để phát hiện một khác biệt có ý nghĩa lâm sàng nếu khác biệt đó tồn tại. Serdar và cộng sự (2021) bổ sung rằng nghiên cứu thiếu cỡ mẫu có nguy cơ mắc sai lầm loại II (Type II error, bỏ sót một hiệu ứng có thật), còn nghiên cứu lớn quá mức cần thiết thì lãng phí nguồn lực và làm nảy sinh vấn đề đạo đức. Cả hai đều là lỗi thiết kế mà người bình duyệt nhìn ra được.

Trả lời trực tiếp: Một phép tính a priori, tức tính trước khi có dữ liệu, cần ba đầu vào, và phần mềm giải ra đại lượng thứ tư là cỡ mẫu. Bạn đặt mức ý nghĩa alpha, thường là 0,05, tương đương 5% khả năng cho kết quả dương tính giả, đặt statistical power, thường là 0,80, và đặt effect size dự kiến. Cố định ba giá trị đó thì N cần thiết được xác định.

Bằng chứng: Kang (2021) nêu đúng bốn đại lượng liên kết với nhau: "the sample size calculation and power analysis are determined by the following factors: effect size, power (1-β), significance level (α), and type of statistical analysis" (Kang, 2021). Cố định ba đại lượng thì đại lượng còn lại được xác định, với 0,05 và 0,80 là hai giá trị quy ước trong nghiên cứu ngành sức khoẻ. Mức alpha 0,05 nghĩa là, khi thật ra không có hiệu ứng nào, nhà nghiên cứu chấp nhận 5% khả năng vẫn kết luận nhầm là có. Bài "power primer" của Cohen (1992), dài 5 trang trên Psychological Bulletin từ trang 155 tới 159, là nguồn gốc của quy ước power 0,80 được dùng rộng rãi, dựa trên lập luận chấp nhận tỷ lệ sai lầm loại II gấp bốn lần tỷ lệ sai lầm loại I.

Trả lời trực tiếp: Effect size là đầu vào khó ước lượng nhất và cũng làm N thay đổi nhiều nhất, vì hiệu ứng cần phát hiện càng nhỏ thì càng cần nhiều người tham gia. Hãy ước lượng theo thứ tự ưu tiên, trước hết từ một nghiên cứu đã công bố tương tự, sau đó từ một pilot nhỏ, và chỉ khi không còn cách nào khác mới dùng mốc quy ước của Cohen. Luôn viết ra lý do bạn chọn.

Bằng chứng: Serdar và cộng sự (2021) khuyên rút hiệu ứng dự kiến từ tài liệu đã có hoặc từ một pilot bất cứ khi nào có thể, và chỉ dùng mốc chuẩn hoá khi không có ước lượng nào tốt hơn. Cohen (1992) đưa ra các ngưỡng quy ước mà nhà nghiên cứu quay về khi không còn lựa chọn, tóm tắt trong bảng dưới đây.

Các mốc quy ước của Cohen (Cohen, 1992). Chỉ dùng khi không có ước lượng nào tốt hơn.

Trả lời trực tiếp: G*Power là phần mềm miễn phí, được chấp nhận rộng rãi và xử lý được phần lớn thiết kế thông dụng. Bạn chọn phép kiểm định khớp với phân tích dự kiến, đặt test family, nhập alpha, power và effect size, rồi bấm Calculate để nhận N cần thiết. Lỗi hay gặp nhất là chọn một phép kiểm định không khớp với phân tích bạn thật sự sẽ chạy.

Bằng chứng: Kang (2021) và Faul cùng cộng sự (2007), với bài viết về phần mềm này trên Behavior Research Methods chạy từ trang 175 tới 191, đều nhấn mạnh rằng phép kiểm định chọn trong G*Power phải phản chiếu đúng phân tích đã lên kế hoạch, dù là t-test, ANOVA, hồi quy hay chi-square, vì mỗi phép kiểm định có hàm power và thước đo effect size riêng. Chọn nhầm test family sẽ cho ra một con số sai mà phần mềm không báo lỗi gì.

Trả lời trực tiếp: Nếu bạn tự đặt được mức tin cậy và sai số cho phép thì hãy dùng công thức Cochran, vì mọi đầu vào đều hiện rõ. Yamane, và Krejcie và Morgan là hai cách tính tắt đã cố định sẵn mức tin cậy 95% và p = 0,5. Với quần thể 2.000 người và sai số 5%, ba cách cho ra 333, 322 và 323 người.

Bằng chứng: Israel (2009) gọi công thức Yamane là một "simplified formula", tức công thức rút gọn, giả định mức tin cậy 95% và p = .5, và ông tính ví dụ quần thể 2.000 người ra 333. Vì hai cách tính tắt đều cố định các thiết lập đó, chúng chỉ hợp với khảo sát ước lượng một tỷ lệ ở mức tin cậy 95%. Ở cùng quần thể, bảng của Krejcie và Morgan in 322 và Cochran có hiệu chỉnh cho 323 (Israel, 2009; Krejcie & Morgan, 1970). Các giá trị Z đứng sau cả ba cách là 1,645, 1,960 và 2,576 cho mức tin cậy 90%, 95% và 99% (Harris, 2019). Bartlett và cộng sự (2001) cảnh báo các bảng dựng từ công thức của Krejcie và Morgan "assume an alpha of .05 and a degree of accuracy of .05", nghĩa là giả định alpha 0,05 và độ chính xác 0,05, nên đừng dùng chúng khi alpha hoặc sai số của bạn khác.

Về cái tên Slovin. Một số hướng dẫn gọi công thức n = N / (1 + N e²) là công thức Slovin. Chúng tôi chưa tìm được nguồn đáng tin nào nói rằng công thức Slovin và công thức Yamane là một, nên cái tên này ở đây chưa được kiểm chứng, và bạn nên gọi đúng tên mà tài liệu bạn trích dẫn dùng.

Trả lời trực tiếp: N mà G*Power trả về là số người bạn cần phân tích, không phải số người cần tuyển. Hãy cộng thêm phần hao hụt dự kiến bằng cách chia mục tiêu cho (1 trừ tỷ lệ bỏ cuộc). Nếu cần 100 người hoàn thành và dự kiến 20% bỏ cuộc, bạn tuyển 100 ÷ 0,80 = 125 người. Nghiên cứu khảo sát làm tương tự với tỷ lệ không phản hồi dự kiến.

Bằng chứng: Hickey và cộng sự (2018) lưu ý rằng nghiên cứu thực tế luôn mất người tham gia vì rút lui, mất liên lạc khi theo dõi và dữ liệu khuyết, nên mẫu tuyển vào phải lớn hơn mẫu phân tích đã tính. Serdar và cộng sự (2021) cũng khuyên đưa phần dự phòng hao hụt vào ngay mục tiêu tuyển người, thay vì phát hiện thiếu hụt khi nghiên cứu đã chạy được nửa đường. Trong ví dụ 100 người hoàn thành và 20% bỏ cuộc, con số tuyển là 125, vì phần hao hụt tính trên số người tuyển vào chứ không tính trên số người hoàn thành.

Trả lời trực tiếp: Hãy báo cáo đủ để người đọc tái lập được phép tính, gồm biến kết cục chính và mức chênh lệch bạn coi là có ý nghĩa, mức alpha, power mục tiêu, effect size giả định kèm nguồn của nó, phép kiểm định đã dùng, và N cuối cùng đã tính cả phần dự phòng hao hụt. Ghi đủ những thông tin này trong phần Methods giờ là mức tối thiểu, không còn là điểm cộng.

Bằng chứng: Tuyên bố CONSORT 2010 (Schulz và cộng sự, 2010) yêu cầu các thử nghiệm ngẫu nhiên báo cáo cỡ mẫu được xác định ra sao. Tuy vậy, Kang (2021) và Serdar cùng cộng sự (2021) đều dẫn các tổng quan cho thấy chỉ khoảng một phần ba số phép tính cỡ mẫu trên các tạp chí có chỉ số ảnh hưởng cao được mô tả đủ chi tiết để tái lập, nên làm tốt phần này là một tín hiệu chất lượng thật sự.

Trả lời trực tiếp: Nếu không đạt được N lý tưởng, đừng tạo ra một con số "post-hoc power" để bào chữa, vì người bình duyệt nhận ra ngay. Hãy thiết kế trung thực trong giới hạn của mình, bằng cách đăng ký trước một pilot, báo cáo khoảng tin cậy thay vì chạy theo mức ý nghĩa, và nói thẳng giới hạn ra. Một nghiên cứu nhỏ minh bạch dễ được đăng hơn nhiều so với một nghiên cứu nói quá.

Bằng chứng: Hickey và cộng sự (2018) cảnh báo rõ về phép tính post-hoc power, vốn mang tính luẩn quẩn một khi dữ liệu đã có. Cohen (1992) và Serdar cùng cộng sự (2021) hướng nhà nghiên cứu tới việc báo cáo effect size kèm khoảng tin cậy, thứ vẫn giữ giá trị thông tin ngay cả khi mẫu khiêm tốn. Đây cũng là con đường mà nhiều nhà nghiên cứu Việt Nam giai đoạn đầu sự nghiệp đi vào kỷ yếu hội thảo và tạp chí Q2.