研究设计 → 参数 → 结果
计算基于明确标注的近似方法；输入应来自文献、预实验或临床最小重要差异，而非为凑出目标样本量随意设定。
参数来源记录（用于研究方案与论文方法部分）
可记录参考文献、预实验或临床最小重要差异；记录不会自动改变计算值。
计算结果
公式代入与计算过程
研究方案描述（可复制）
敏感性分析
计算参数与方法
论文样本量一致性核查
核查设计假设、样本量结果与失访调整是否一致。此处不从论文最终P值倒推研究者的设计假设。
使用方式：先在「研究设计与计算」填入论文报告的全部必要设计参数，计算理论所需样本量；再返回此页填写作者报告值。缺少关键参数时，只能作部分核查。
如何判定不一致？
不同软件的精确检验、连续性校正、舍入和设计假设可能产生不同样本量。本工具只核查当前声明算法下的结果，不把不同方法的差异自动定性为错误。缺失必要参数时标注「信息不足」。
方法与参数指南
什么是α、功效和最小可检测效应？
α是预设第一类错误概率；功效（1−β）是在指定真实效应假设下拒绝零假设的概率；最小可检测效应（MDE）是在给定样本量和目标功效下，研究设计能够检测到的效应规模。MDE不是临床最小重要差异。
独立样本与配对样本为什么不同？
配对设计的样本量取决于同一对象的差值标准差，或两次测量的相关结构。不能直接把两组独立样本公式用于配对数据。
为什么不能把“事后观察功效”当作结果证明？
利用观察到的效应和P值计算所谓观察功效，通常不能提供独立于检验结果的新信息。优先报告效应估计、置信区间及研究设计阶段的功效假设。
为什么诊断研究要区分阳性与阴性人数？
敏感度的精度主要由患病/金标准阳性人数决定，特异度的精度主要由金标准阴性人数决定。换算总样本量时必须明确目标人群患病率假设。
V1.0 已开放的方法
暂不开放的复杂设计
多组ANOVA、重复测量ANOVA、非劣效/等效、交叉/集群随机、Logistic回归多参数样本量、预测模型开发与外部验证、配对AUC比较、Kappa/ICC精度设计、重复测量Bland–Altman等需要独立的专门算法及交叉验证，不能用两组公式代替。本版不提供伪计算结果。