Число не соответствует размеру обуви в дюймах или сантиметрах. Размер обуви 40 из ЕС в США будет другим для мужчин и женщин. Ознакомьтесь с таблицей размеров обуви из ЕС и США здесь.

1

Таблица размеров женщин — Style Arc

Таблица женских размеров — CM

Таблица женских размеров — дюймы

Таблица преобразования женских размеров

Как мне узнать, какой у меня размер?

Выбор размера выкройки — самый важный шаг, и мы поможем вам определить это с помощью этих простых шагов.

1. Снимайте мерки на коже, а не поверх одежды. Во время измерения можно носить удобный бюстгальтер и трусики, так как это обеспечит наиболее точные измерения.
2. Рулетка должна плотно прилегать к измеряемым точкам. Но будьте осторожны, не затягивайте его слишком сильно, иначе вы получите неправильный размер.
3. При измерении окружностей (B, C, D, E) важно помнить, что рулетка должна оставаться параллельной полу.Иногда лучше проводить измерения перед зеркалом; это поможет вам увидеть угол рулетки.
4. Для определения размера выкройки вам потребуются только базовые размеры тела, которые указаны на нашем манекене ниже:

A. Ширина плеч

Приложите ленту к краю плеча. Измерьте расстояние от верхней части лопатки / от самой высокой точки плеч до другого края, следуя естественному уклону, и оставьте дополнительный палец для облегчения любого движения.

B. Обхват плеча

Эта точка принимается как окружность в самом широком месте плеча.

C. Бюст

Эта точка принимается как окружность, параллельная полу в самой полной части груди.

D. Талия

Эта точка берется за окружность самой маленькой части вашей талии.

E. Бедро

Эта точка принимается как окружность, параллельная полу в самой широкой части бедер.

Вот какой размер 8 на самом деле выглядит в ваших любимых магазинах

Неважно, делаете ли вы покупки в Интернете или в традиционных магазинах, в наши дни практически невозможно определить, какой размер вы носите на самом деле. Здесь вы примеряете новое праздничное платье для вечеринок, и вот, ваш верный размер 10 кажется немного уютным или неожиданно вместительным. Нам знакомо ощущение — в одном магазине вы можете быть на один размер, а в другом — на два больше или меньше.Борьба действительно настоящая! Но прежде чем вы укажете свои последние приключения в выпечке как причину несоответствия, позвольте нам положить конец вашей панике — хаос вызывает не ваша диета. Вы можете пойти дальше и поблагодарить некоторые из самых модных мировых брендов за участие в так называемом «подборе размеров для тщеславия», потому что вы никогда не представляете, какой размер лучше всего подходит для вашего тела.

Размеры женской одежды стандартизировались Национальным бюро стандартов, пока они не осознали, что «женские тела не поддаются стандартизации», согласно Washington Post .Ну да. Теперь стандарты оставлены на усмотрение ASTM International, но все еще очень сложно. Посмотрите, насколько изменился стандартный размер 8 с 1950-х годов, в таблице Washington Post ниже. По сути, он прошел весь путь от стандартной 24-дюймовой талии до почти 30 дюймов.

Сегодня розничные торговцы в основном устанавливают свои собственные размеры, основываясь на своих покупателях. Средняя американка сейчас имеет размер 16, но для некоторых розничных торговцев это число не совсем соответствует их имиджу бренда (вздыхает) — поэтому они сокращают свой ассортимент до размера 12.Мы решили изучить, как будет выглядеть размер 8 (число, которое, как мы знали, находится где-то на их шкале) от магазина к магазину. Вот что мы выяснили. (Фото через The Washington Post)

1. Old Navy — средний размер, обхват талии 28 дюймов: Согласно сайту Fitbay, магазин, который должен посетить каждый для сезонных предложений, считается «средним», когда дело доходит до сравнения магазинов, которые участвуют в подборе размеров тщеславия. Размер 8 в Old Navy считается средним и рекомендуется женщинам с талией 28 дюймов.(Фото через Роберто Мачадо Ноа / Getty)

2. The Loft — Medium, 28,5-дюймовая талия : The Loft, вероятно, стал вашим магазином рабочей одежды, как только вы получили свою первую взрослую работу. Размер 8 здесь также считается средним и, согласно руководству по размеру магазина, подходит женщинам с талией 28,5 дюйма. Хорошо … полезно знать. (Фото через Пола Циммермана / Getty)

3. Свободные люди — средний размер, обхват талии 29 дюймов: Свободные люди известны своей модной внешностью и классной богемной атмосферой.К сожалению, они также известны своими размерами. Размер 8 здесь снова считается средним и рекомендуется женщинам с талией 29 дюймов. Лучше закажите на размер меньше той юбки в стиле бохо, которую вы присматривали. (Фото через Free People)

4. J.Crew — средний размер, талия 29 дюймов : Есть причина, по которой вам может понравиться покупать блейзеры и эти красочные брюки чинос в J.Crew. Размер 8 здесь снова считается средним и рекомендуется женщинам с талией 29 дюймов. Но этот размер не соответствует их ассортименту джинсов, который немного меньше.Найдем ли мы когда-нибудь подходящую? (Фото через Тима Бойла / Гетти)

5. Gap — средний, 29,5 дюйма, талия: Эти джинсы Gap всегда кажутся немного просторными? Есть причина. Размер 8 здесь считается средним и рекомендуется для талии 29,5 дюйма. Подождите, а Gap — это та же компания , что и Old Navy? Так обидно! (Фото через Джастина Салливана / Гетти)

6. American Apparel — большая, 30-дюймовая талия: Праздник борьбы продолжается в American Apparel, где размер является большой проблемой.Размер 8 считается большим и рекомендуется в American Apparel для талии 30-32 дюйма. Извините, что лопнул ваш # базовый пузырь. (Фото Эндрю Бертона / Гетти)

7. Dolce and Gabbana — Extra Large: Дизайнеры высокого класса оценивают свою одежду несколько иначе, что неудивительно. Согласно таблице размеров бренда, размер 8 Dolce and Gabbana считается XL. Чего ждать? (Фото предоставлено Дэном Китвудом / Гетти)

8. Marc Jacobs — Extra Extra Large: В статье New York Times 2011 года было обнаружено, что женщина, которая имела размер три ноль в Chico’s, носила размер 8 или 10 в Marc Jacobs.Эм, спасибо. (Фото через Марка Джейкобса)

Итог? Вы больше, чем просто цифра на бирке! Перестаньте беспокоиться о своем размере, потому что благодаря этим продавцам вы, вероятно, никогда не сможете это понять. Ты любишь, девочка. Так что отправляйтесь в гримерку и держите голову высоко.

Вы когда-нибудь испытывали безумие тщеславного подбора размеров во время покупок? Сообщите нам в Twitter @BritandCo .

Таблица размеров шляп

* Эти диаграммы приведены только для справки. Посадка может отличаться в зависимости от конструкции, материалов и производителя.

Текущие соглашения о размере выборки: недостатки, недостатки и альтернативы | BMC Medicine

Недостатки действующих соглашений

Стандартный подход основан на статистической проверке гипотез, при которой отклоняется нулевая гипотеза об отсутствии разницы, если значение P <0.05. Размер выборки рассчитывается на основе указанной разницы, представляющей интерес, предположения о стандартном отклонении или частоте событий изучаемого результата, а также обычных вариантов для ошибки типа I (вероятность отклонения нулевой гипотезы, если она верна) и статистических данных. мощность (шанс отклонить нулевую гипотезу, если указанное различие действительно существует). Ошибка типа I по существу всегда устанавливается равной 0,05, и размеры выборки, дающие мощность менее 80%, считаются недостаточными. Три основных недостатка этого стандартного подхода заключаются в том, что он: 1) предполагает наличие значимой границы между адекватным и недостаточным размером выборки, которой на самом деле не существует, даже приблизительно; 2) сильно полагается на исходные данные, которые, как правило, невозможно точно указать; и 3) не отражает, как фактически должна использоваться информация завершенного исследования.Хотя первое, пожалуй, наиболее фундаментальное, все три серьезны, и они переплетаются, вызывая многие из вредов, обсуждаемых в следующем разделе.

Опыт работы с предыдущими связанными статьями показывает, что многие читатели сразу же сформулируют возражения или контраргументы. Предвидеть и упредить все это невозможно, но я комментирую два из наиболее вероятных в Дополнительном файле 1.

Миф о пороге

Текущие соглашения основаны на неявном предположении, что существует значимое разграничение между адекватным и неадекватным. размеры выборки, а неадекватный размер выборки фатален.Я считаю, что это постоянно отражается в языке, который используют мои клиенты, сотрудники и коллеги: спрашивать, сколько людей «потребуется, чтобы ответить на вопрос», желая убедиться, что у них «достаточно предметов», и называют исследования с мощностью <80% «обречены», а потому расточительны и неэтичны. Утверждение из недавнего обзора гранта очень типично, предполагая, что слишком маленький размер выборки может полностью испортить исследование: «неясно, будет ли исследование достаточно мощным, чтобы позволить предлагаемый анализ.«Если бы существовала приблизительно пороговая связь между размером выборки и научной или практической ценностью, которую, по прогнозам, может дать исследование, как показано на Рисунке 1, то это неявное предположение было бы разумным: несоблюдение порогового значения действительно привело бы к в неадекватном исследовании. Такая форма также необходима для оправдания практики игнорирования затрат при установке размера выборки: если бы правильная сторона порога всегда была там, где производится 80% энергии, то существующие методы автоматически дадут хорошую рентабельность. компромисс без явного учета затрат.К сожалению, для стандартного подхода реальное соотношение радикально отличается от порогового значения, вместо этого оно имеет вогнутую форму, которая постоянно сглаживается, отражая убывающую предельную отдачу. Эта характерная форма была недавно проверена для широкого спектра показателей прогнозируемой стоимости, которые были предложены для использования при планировании размера выборки, включая мощность [5]. Следовательно, неспособность достичь какой-либо конкретной произвольной цели, а именно 80% мощности, не является бедствием, предполагаемым традиционным мышлением.Отсутствие какого-либо порога подрывает основу нынешних стандартов: они защищают от несуществующей опасности.

Качественное описание того, как размер выборки влияет на прогнозируемую научную и / или практическую ценность исследования . Пороговая взаимосвязь (пунктирная линия) создаст значимое различие между адекватным и недостаточным размером выборки, но такой взаимосвязи не существует. Реальность (сплошная линия) качественно иная, демонстрируя убывающую предельную отдачу.Согласно мифу о пороге, сокращение размера выборки пополам может легко превратить ценное исследование в неадекватное, но на самом деле такое сокращение всегда сохранит на больше , чем половина прогнозируемого значения.

Собственная неточность

Хотя для расчета размеров выборки доступны точные математические формулы, они зависят от указания точных значений для входных данных, а изменения в этих входных данных приводят к значительным изменениям в итоговом размере выборки. В частности, в исследованиях с непрерывным измерением первичных результатов, таких как оценка качества жизни, изменение длины теломер, потеря веса и т. Д., Необходимо указывать его стандартное отклонение.Это сложно сделать точно, если нет настолько большого количества предварительных данных, что исследование действительно не требуется, но оно оказывает большое влияние на размер выборки: двукратное увеличение предполагаемого стандартного отклонения приводит к четырехкратному увеличению размер образца. В четыре раза больший размер выборки также является результатом уменьшения вдвое интересующей разницы (альтернативная гипотеза ). Это особенно сложно указать, потому что неясны даже теоретические принципы его выбора. Некоторые утверждают, что это должно быть наименьшее различие, которое было бы важно для пациентов или для научных целей или целей общественного здравоохранения [1], но это часто субъективно и трудно определить (какая разница в показателях выживаемости не важна), важность редко бывает все- или ничего, и очень небольшие различия могут быть важны, что приведет к непрактичным размерам выборки.Исследователи часто используют разницу, предполагаемую предварительными данными, но это ненадежно [6] и имеет больший риск получения неубедительных результатов для меньших, но все же интересных различий. Был даже приведен аргумент в пользу использования той разницы, на которую надеялись пациенты [7].

Неточность расчета размера выборки неизбежна не только теоретически [6, 8], но и проверяется эмпирически. Одно тщательное исследование предполагаемых стандартных отклонений в, казалось бы, наилучшем сценарии, рандомизированных исследованиях, опубликованных в четырех ведущих медицинских журналах общего профиля, показало, что примерно четверть из них имела более чем пятикратную погрешность в размере выборки, а более половины — более чем двукратной. неточность [9].Другое исследование недавно обнаружило высокий уровень неточностей наряду со многими другими проблемами [10]. Эту проблему нельзя решить, просто стараясь точно определить, где будет достигнута мощность 80%, потому что неточность свойственна традиционной структуре.

Несоответствие дизайна и использования

Зачем планировать исследование так, будто единственное, что вы будете исследовать, когда оно будет проведено, — это P <0,05? Хорошая статистическая практика требует рассмотрения конкретного полученного значения P и, что более важно, оценок и доверительных интервалов, которые количественно определяют интересующие эффекты или ассоциации [11, 12].Использование порогового значения P для определения исследования как положительного или отрицательного было предложено в качестве основы для изолированного использования отдельного исследования для автоматического принятия решения о том, что делать [13], но эта схема редко соблюдается в медицине. исследовать. Даже базовые рандомизированные испытания лекарственных препаратов должны предоставить убедительные доказательства, а не просто автоматическое решение: регулирующие органы никогда не согласятся ничего не знать о результатах исследования, кроме P <0,05. Кроме того, значительная часть ценности отдельного исследования может определяться его вкладом в более поздние систематические обзоры [2–4], в которых не будет использоваться значение P исследования.Планирование использования, которое не произойдет (или не должно) произойти, не может оптимизировать дизайн исследования. (Важно отметить, что миф о пороговом значении и неотъемлемая погрешность остаются серьезными проблемами даже для тех редких случаев, когда исследование, вероятно, является единственной основой для принятия автоматического решения, основанного только на том, является ли P <0,05.)

Вред по действующим соглашениям

Из-за реальности, показанной на Рисунке 1, выбор размера выборки менее важен, чем обычно предполагается.Таким образом, значительный ущерб от нынешних конвенций связан не с неправильным выбором размера выборки, а с нереалистичными ожиданиями и строгим соблюдением ошибочных стандартов.

Ложная уверенность и пропаганда неправильного толкования

Идея о том, что тщательно подобранный «адекватный» размер выборки может гарантировать, что исследование будет окончательным, отраженная в общей фразе «достаточно, чтобы ответить на вопрос», безусловно, привлекательна, но это просто выдавать желаемое за действительное. В дополнение к присущей неточности и тому факту, что вероятность 80% далека от уверенности, даже огромные исследования могут дать результаты, близкие к границе того, что достаточно велико, чтобы быть важным.Например, мега-исследование влияния потребления жиров с пищей на риск рака груди [14] дало оценочный эффект, находящийся между ожидаемым и отсутствующим эффектом. Заявления о мощности 80% не только не гарантируют, что исследование будет окончательным, но и не предоставляют информации о том, насколько ценным может быть какое-либо конкретное исследование, потому что каждое предложение содержит такое утверждение.

Ложная уверенность напрямую ведет к следующей логике: «Размер выборки достаточен для обеспечения окончательного результата, результат не является окончательно положительным (то есть P > 0.05), поэтому результат однозначно отрицательный ». Я встречал многих исследователей, которые верят в эту логику, и широко распространенная практика учета силы при интерпретации так называемых негативных исследований [15], похоже, направлена ​​на определение того, когда это рассуждение может быть применено. устраняет несоответствие дизайна и использования, но неверным образом, сосредоточивая внимание только на том, является ли P <0,05. Хотя исследователи обычно сообщают оценки, доверительные интервалы и достигнутые значения P , они часто игнорируют эти очень информативные результаты при интерпретации свои исследования.Например, исследование приема добавок витаминов C и E во время беременности показало уровень младенческой смертности или других серьезных исходов, которые предполагали предотвращение одного исхода на каждые 39 женщин, получавших лечение [16]. Тем не менее авторы окончательно пришли к выводу, что добавка «не снижает скорость», потому что значение P было 0,07. Интерпретация P > 0,05 как указание на то, что фактически наблюдаемые результаты должны быть иллюзией, — очень плохая аргументация, но я нахожу это в большинстве черновиков рукописей, которые я просматриваю, и во многих опубликованных статьях, которые я читал.Интерпретация P <0,05 как гарантия того, что наблюдаемый эффект является реальным и точным, также кажется широко распространенной, несмотря на ее ненадежность [17].

Подрыв научной целостности

Манипуляции с расчетами размера выборки для получения желаемого результата — хорошо известное явление [3, 18, 19], которое было описано как «игра размера выборки» [20] или «самба размера выборки» «[21]. Опубликованная инсценировка процесса заканчивается тем, что статистик спрашивает клиента: «С чего вы хотите начать жульничество?» [22] Изменение заданной разницы, представляющей интерес, упрощает такие манипуляции, и неизбежные практические реалии часто делают это необходимым либо потому, что невозможно превысить ограничения по стоимости или выполнимости, либо потому, что не хватает информации о входных данных, чтобы позволить значимый расчет.Затем размер выборки выбирается на основе других критериев, но он все равно должен быть обоснован с точки зрения мощности. Принуждение исследователей скрыть настоящую причину выбора размера выборки является плохим сигналом о честности в самом начале исследовательского процесса.

Произвольная сила рецензента

Из-за сильной зависимости от неопределенных входных данных любой рецензент, который так склонен, может подвергнуть сомнению предположения и результаты любого расчета мощности. Незначительное изменение входных данных может указывать на то, что предлагаемый размер выборки существенно не соответствует «адекватному».Таким образом, будет ли обоснование размера выборки проходить рецензирование, зависит от произвольного усмотрения рецензента, что является плохой ситуацией для справедливого процесса. Поскольку критика планов по размеру выборки всегда возможна и очень распространена [23], она идеально подходит для прикрытия, когда рецензенты не могут точно определить или не желают признать настоящие причины, по которым им не нравится предложение.

Барьер на пути к инновациям

Предложения по оценке новых идей или проблем сталкиваются с особыми трудностями, потому что отсутствие адекватных знаний о входных данных для стандартных расчетов особенно очевидно.Хотя целевая группа Национального института здравоохранения по экспертной оценке утверждала, что для новых идей не требуется предварительных данных [24], это не решает проблему обоснования размера выборки. Новаторам обычно приходится полагаться на предположения, которые являются явно произвольными, или предоставлять расчеты, основанные на стандартизованных величинах эффекта, которые не имеют реальной связи с предлагаемым исследованием. Это делает их особенно уязвимыми для произвольных полномочий рецензентов, упомянутых выше.

Неправильные этические стандарты

Утверждение о том, что недостаточная мощность делает исследование неэтичным [1], полностью основывается на мифе о пороговом значении, ложном убеждении, что исследования с мощностью менее 80% не могут принести достаточной научной или практической ценности для обосновать возложенную на участников ношу.Поскольку более крупные исследования обременяют большее количество участников, факт уменьшения предельной отдачи означает, что отношение прогнозируемой стоимости к общей нагрузке на участников может только ухудшиться при увеличении размеров выборки. Таким образом, риск неадекватной прогнозируемой ценности относительно нагрузки на участников относится к слишком большим, а не слишком маленьким исследованиям [25–27].

Напрасно потраченные усилия

Поскольку обычное планирование размера выборки не дает реальной выгоды, оно тратит впустую время и талант. Исследователям часто трудно понять, что необходимо для расчетов, найти даже частично релевантные предварительные данные, а также как-то сформулировать и обосновать кажущиеся произвольными предположения и решения.Статистики часто помогают со всем вышеперечисленным, определяют соответствующие упрощения и приближения и кропотливо собирают воедино соответствующие входные данные из опубликованных графиков или частичной информации. Это сокращает время и усилия, необходимые для создания реальной научной ценности.

Потраченные впустую деньги

Без мифа о пороге нет смысла устанавливать целевой размер выборки, который должен быть достигнут независимо от затрат, но стоимость не играет роли в стандартном подходе. Игнорирование затрат настолько непрактично, что исследователи часто могут их принимать во внимание.На самом деле, следование традиционному подходу может привести к выбору размера выборки с очень неэффективными затратами [5]. Кроме того, миф о пороговом значении продвигает стандартную стратегию концентрации большего количества ресурсов в меньшем количестве крупных исследований [28]. Такая концентрация может быть эффективной, если финансируемые исследования намного более перспективны, чем их конкуренты [29], но концентрация будет неэффективной всякий раз, когда существует много возможных исследований с аналогичными перспективами или когда рецензенты исключают небольшие, но рентабельные исследования из-за предположительно неадекватных размеров выборки. .Концентрация может быть особенно низкой при распределении ограниченного числа пациентов между конкурирующими исследованиями, поскольку добавление большего количества пациентов в уже большое исследование не только дает все меньше и меньше дополнительной ценности, но также отнимает все больше и больше потенциальной ценности от других исследований: уменьшение предельной отдачи подразумевает увеличение предельной ценности. цена возможности.

Альтернативы

Отказ от стандарта мощности 80% не обязательно ведет к нигилизму размера выборки, когда «мы отказываемся от нынешнего заблуждения о том, что размер выборки имеет значение» [3].Существуют методы для принятия разумных решений о размере выборки, избегая при этом недостатков существующих соглашений.

Ценность информационных методов

Многие методы уже были описаны в статистической литературе для выбора размера выборки, который максимизирует ожидаемую ценность полученной информации за вычетом общей стоимости исследования. См. [18] для раннего обсуждения, [30, 31] для недавних примеров и введение [5] для дополнительных ссылок. Это требует прогнозирования как стоимости, так и стоимости при различных размерах выборки, включая количественную оценку стоимости и стоимости в одной и той же шкале (обратите внимание, что этого можно избежать, вместо этого максимизируя значение , деленное на общую стоимость ).Они также требуют формального определения неопределенности в отношении состояния природы; хотя это можно критиковать как субъективное, он значительно улучшает обычный традиционный подход, предполагающий, что одно конкретное предположение является точным. Эти методы могут потребовать значительных усилий и технических знаний, но они также могут дать своего рода тщательную и непосредственно значимую оценку, которая необходима для обоснования очень дорогостоящих исследований или исследований, подвергающих риску многих людей.

Простой выбор, основанный на стоимости или осуществимости

Недавняя работа оправдала два простых выбора, основанных только на затратах [5], без необходимости количественной оценки прогнозируемой стоимости или текущей неопределенности по изучаемой теме.Поскольку затраты, как правило, можно спрогнозировать более точно, чем исходные данные для обычных расчетов, это позволяет избежать неточности, присущей традиционному подходу. Один вариант: n _мин. — это размер выборки, который минимизирует общую стоимость изучаемого предмета. Это гарантированно будет более рентабельным (даст лучшее соотношение прогнозируемой ценности и стоимости), чем любой большой размер выборки. Следовательно, его нельзя обоснованно критиковать как неадекватное. Другой, названный n _корень — это размер выборки, который минимизирует общую стоимость, деленную на квадратный корень из размера выборки.Это меньше, чем n _мин. и наиболее оправдан для инновационных исследований, где уже очень мало известно об изучаемом вопросе, и в этом случае также гарантируется, что он будет более рентабельным, чем любой большой размер выборки. Интерактивная таблица, которая упрощает идентификацию n _мин. и n _корень предоставляется как дополнительный файл 2.

Обычная прагматическая стратегия — использовать максимальный размер выборки, который является разумно выполнимым.Когда размер выборки ограничен ценовыми барьерами, такими как исчерпание пула наиболее легко изучаемых предметов, эта стратегия может близко приближаться к использованию n _мин а посему поделитесь своим оправданием. Когда ограничения, налагаемые спонсорами, определяют осуществимость, разумный выбор — сделать максимум возможного в рамках этих ограничений.

Анализ чувствительности

Планирование размера выборки связано со значительной неопределенностью, и простой и знакомый способ оценки неопределенности — это анализ чувствительности: изучение того, как результаты меняются при различных предположениях.Я предлагаю схему, показанную в Таблице 1, для представления полезного набора возможностей для наиболее важных продуктов исследования, предполагаемого эффекта и его доверительного интервала. Это основано на различных 1) предположениях, которые определяют точность оценок и 2) наблюдаемой величине эффекта. Вместе с обсуждением потенциальной ценности каждого итогового результата это дает неформальную оценку ценности информации, которая может быть получена. Это менее систематично, чем ценность информационных методов, упомянутых выше, но она охватывает ряд вероятных сценариев, позволяет избежать технических трудностей математически формализованных методов и фокусируется на конкретных конкретных результатах, что позволяет рецензентам легко оценить заявленную потенциальную ценность.Поскольку записи в таблице показывают информацию, которая будет использоваться в систематическом обзоре, потенциальную ценность можно обсудить с точки зрения того, как он изменит недавний обзор или внесет вклад в будущие, если это будет считаться наиболее важным соображением.

Записи в таблице — это как раз те ключевые результаты, на которых следует сосредоточить внимание интерпретации после завершения исследования, чтобы правильно согласовать планирование с конечным использованием.Средняя строка может быть наилучшим предположением, например, для обычных вычислений; другие строки должны отражать разумный диапазон неопределенности, который будет зависеть от того, что уже известно об изучаемой теме. Для столбцов важно включение промежуточного варианта, поскольку он часто включает наиболее проблемные или разочаровывающие потенциальные результаты. В исследовании витаминов [16] безопасное и недорогое вмешательство сочеталось с тяжелым исходом, поэтому даже результаты в средней колонке можно было бы рассматривать как обнадеживающие; Фактически завершенное исследование попало, по сути, во вставку 7, которую следовало бы интерпретировать как очень обнадеживающую, хотя и не окончательную.Графы 8 и 9 обычно наименее полезны, но, как отмечалось выше (ложная уверенность), всегда присутствует риск неутешительных результатов, и его не следует рассматривать как недостаток в дизайне исследования.

Предыдущие аналогичные или аналогичные исследования

Простой способ выбрать размер выборки — это использовать тот, который хорошо зарекомендовал себя в прошлом для аналогичных или аналогичных исследований. Поскольку точно соответствующие предварительные данные часто недоступны, предположения для расчета мощности в любом случае часто основываются на таких исследованиях.Пропуск излишне формализованного и нестабильного процесса расчета мощности и использование предыдущего размера выборки может быть разумным подходом.

Как добраться отсюда

Культура планирования размера выборки кажется чрезвычайно укоренившейся, поэтому изменения могут быть затруднены. Тем не менее, следующие действия могут помочь продвинуть медицинские исследования в сторону более рациональных ожиданий.

Научно-исследовательская подготовка не должна представлять текущие условности как неоспоримую догму.Хотя слушатели должны знать о культуре, с которой им придется столкнуться, обучение в отношении размера выборки должно быть сбалансированным. Например, эту статью можно было бы обсудить.

При подготовке предложения по исследованию смелые исследователи могут использовать альтернативный подход из предыдущего раздела. Это может быть наиболее практичным для новаторских предложений, где стандартные расчеты мощности явно не имеют смысла. Для других исследований использование подробных информационных методов может быть убедительным, если требуемые усилия могут быть затрачены.Во многих случаях может быть безопаснее дополнить стандартные вычисления мощности более значимыми аргументами относительно размера выборки. Это позволяет избежать нечестности и, по крайней мере, дает рецензентам возможность сосредоточиться на том, что действительно важно. Кроме того, сопоставление стандартных и альтернативных рассуждений может способствовать признанию несоответствий стандартного подхода.

Устранение критики размера выборки в процессе экспертной оценки необходимо, чтобы позволить альтернативным подходам закрепиться. Рецензенты обычно должны воздерживаться от критики размера выборки и должны оспаривать других рецензентов, которые это делают.Если коллеги-рецензенты считают, что исследование вдвое меньше, чем должно быть, напомните им, что это не означает, что исследование обречено на бесполезность; вместо этого у него будет на больше , чем половина прогнозируемого значения, которое было бы с удвоенным размером. Критика размера выборки в настоящее время слишком проста и удобна; вызовы коллег-рецензентов помогут изменить это.

Отчеты о завершенных исследованиях не должны включать расчеты мощности, а требующие их рекомендации [11] следует изменить, чтобы не поощрять их.Отчетность о расчетах мощности была оправдана как способ раскрыть первичный результат и исходный целевой размер выборки [21, 32], но они могут быть заявлены напрямую, без какой-либо ссылки на расчет мощности [33].