千笔-AIWritePaper · https://www.aiwritepaper.com
样本量段最常见的「假完成」有三种：一是空话，即「样本量足够」「功效良好」；二是效应量无出处，读者不知道 d 从哪来；三是数字无法复算，入组 N 与脱落预留对不上。更危险的是伪完成：拿本研究观测效应做事后功效冒充事前论证；样本量按单侧算、主分析却写双侧；声称预留 15% 脱落，入组人数却未膨胀。
本文把样本量与功效论证当成可烟测对象：先用三列表「论证要素、写法动作、可核对产物（参数文件/复算脚本）」当真源，再对空话版 A、可核对版 B 与三个伪 B 跑验收。研究情境、效应量与 N 均为虚构 ，脚本只依赖标准库（_w/sample-size-ab/）。
图：上排为论证要素；下排为空话 A、可核对 B 与三种伪 B，绿色仅 B。
目标说明
读完你应能独立完成四件事。
- 为效应量来源、α、功效、脱落预留、检验类型填三列：要素、动作、可打开产物。
- 用同一套验收规则区分空话 A 与可核对 B。
- 识别三种伪 B：事后功效、单双侧不一致、脱落预留后 N 算不回。
- 留下 CSV 与
compute_n.py，改方法段时复跑。
适用与边界
适合：试验或观察性研究正在写事前样本量段；审稿意见指出「功效说不清」「N 怎么来的」；统计与临床作者分头改方法。
不适合：用烟测证明效应量选对了；也不替代正式的功效软件签核。三列表只核对「论证是否可打开复算」。示例中 d=0.50、每组分析 N=63、入组 N=75 为虚构。
与「缺失脱落声明烟测」「统计主张双版本」的差别：主张骨架管结果句；缺失篇管插补与脱落表；本篇专管事前样本量论证参数与复算链 。可连用：先冻结 params_gold.json，再分别跑论证与结果主张验收。
三列表：样本量论证的真源
| 论证要素 | 写法动作 | 可核对产物 |
|---|---|---|
| 效应量来源 | 写先验来源 ID，禁止用本研究观测值 | effect_sources.csv + params_gold.json |
| α | 写明水平与单侧/双侧 | params_gold.json |
| 功效 | 写明 1-β 目标 | params_gold.json |
| 脱落预留 | 写膨胀比例，入组 N=分析 N/(1-预留) | compute_n.py |
| 检验类型 | 与主分析同一检验族与侧别 | params_gold.json |
规则三条：效应量必须有设计可用来源；侧别与主分析一致；产物必须能打开并复算出声明中的 N。缺任何一列，验收会在对应行判 fail。
虚构对照：先验 d=0.50（Smith2020），双侧 α=0.05，功效 0.80，两独立样本 t；每组分析 63，脱落预留 15% 后每组入组 75，合计入组 150。
双版本烟测：实跑结果
脚本检查空话、效应量出处、产物是否可打开、是否事后功效、单双侧是否一致、脱落膨胀后 N 能否复算。输出原样：
text
A 空话版 条目=2 问题=4 FAIL | 空话「样本量足够/功效良好/经验值」；三列表动作/产物为空；效应量无出处；无复算脚本产物
B 可核对版 条目=5 问题=0 PASS | -
伪B1 事后功效 条目=2 问题=1 FAIL | 效应量取自本研究（事后功效）
伪B2 单双侧不一致 条目=3 问题=1 FAIL | 样本量按单侧论证但分析为双侧
伪B3 脱落算不回 条目=3 问题=1 FAIL | 脱落预留后入组N无法复算：声称每组入组63 复算75
验收探针: 复算每组分析N=63 入组N=75 | 金标准合计入组=150 | 可打开=['compute_n.py', 'effect_sources.csv', 'params_gold.json']读法：A 堆砌「足够」「良好」，产物留空，效应量无出处。B 写明 Smith2020 先验 d、双侧参数，并用 compute_n.py 复算出分析/入组 N。伪 B1 用本研究观测 d=0.62 做论证。伪 B2 按单侧算、分析写双侧。伪 B3 声称 15% 预留后入组仍为 63，复算应为 75。
A/B 验收表
| 验收项 | 版本 A | 版本 B | 判定依据 |
|---|---|---|---|
| 无空话套话 | fail | pass | 无「样本量足够」等 |
| 效应量有出处 | fail | pass | 先验来源 ID 可打开 |
| 产物可打开 | fail | pass | params / compute_n |
| 非事后功效 | fail* | pass | 禁用 THIS_STUDY 观测 |
| 侧别与分析一致 | 不适用 | pass | 双侧对双侧 |
| 脱落膨胀可复算 | 不适用 | pass | 入组 N=ceil(分析N/(1-r)) |
| 审稿人能独立核对 | 不能 | 能 | 只看三列表+脚本 |
*空话 A 通常同时缺出处；事后功效主要在伪 B1 暴露。
失败样本：三种伪 B
- 伪 B1 事后功效 ：把本研究已观测效应量写入样本量论证，来源表标记
allowed_for_design=no。 - 伪 B2 单双侧不一致：论证按单侧，主分析计划为双侧（或金标准 sided=two-sided）。
- 伪 B3 脱落算不回 ：声明预留 15%，入组人数却等于分析 N，与
compute_n.py不一致。
失败含义速查
| 现象 | 含义 | 下一步 |
|---|---|---|
| 空话 + 无出处 | 无可核对设计参数 | 拆成要素+动作+产物 |
| 事后功效 | 用结果倒推样本量 | 换先验文献效应量 |
| 单双侧不一致 | 功效与分析假设脱节 | 统一侧别并重算 |
| 脱落算不回 | 入组计划不可审计 | 按公式膨胀并写入声明 |
| 产物为空 | 审稿人无法复算 | 挂上 params 与脚本 |
最小验收逻辑
python
VAGUE = re.compile(r"样本量足够|功效良好|经验值")
POSTHOC = re.compile(r"本研究(已)?观测|事后功效|THIS_STUDY_observed")
# 入组 N 必须等于 ceil(分析 N / (1 - dropout_reserve))完整脚本见 _w/sample-size-ab/sample_size_ab.py。把检验类型换成比例检验时，只需替换 compute_n.py 公式并同步金标准 JSON。
常见误判
- 「有软件截图就不用写来源」：第 1 列要的是效应量文献/元分析 ID，不是 GUI 截图。
- 「事后功效也能说明研究有力」：可以放在讨论作探索，不能写进事前样本量段冒充设计依据。
- 「单侧能省样本」：若分析是双侧，论证必须同侧，否则伪 B2。
- 「脱落预留口头说了就行」：入组 N 必须能被脚本复算。
验收清单
- 三列表五要素齐全，产物指向 params / sources / compute_n。
- 效应量来源
allowed_for_design=yes，声明段未出现本研究观测 d。 - 侧别与主分析一致；单侧软件默认已核对。
- 声明中的分析 N、入组 N 与
compute_n.py输出逐字一致。 - CI 跑
sample_size_ab.py：A 与伪 B FAIL，B PASS。
把总 N 拆开写的理由
只写「共纳入 150 例」时，审稿人无法判断这是分析集还是入组目标，也无法核对脱落膨胀。声明段应同时出现：每组分析 N、预留比例、每组入组 N、合计入组。表格化也行，但数字必须与复算脚本同源。虚构例里合计入组 150 来自每组 75，而不是凭空取整。
何时需要换公式
两独立样本 t、配对 t、两率比较、生存对数秩，公式不同，但烟测结构相同：参数进 JSON，复算进脚本，声明只引用脚本输出。换公式时同步更新伪 B3 的「膨胀」定义（有的设计用其他入组校正），并重录金标准。不要在旧 t 检验脚本上硬套率检验数字。
当天 25 分钟落地
- 5 分钟：填三列表，锁先验效应量来源与侧别。
- 8 分钟：写入
params_gold.json，跑compute_n.py得到分析/入组 N。 - 7 分钟：把声明段数字改成复算结果，跑
sample_size_ab.py。 - 5 分钟：用伪 B1至B3 夹具确认 FAIL 仍可复现，再贴自己的正文。
跑烟测前确认 params_gold.json 与 compute_n.py 同目录：缺文件时脚本应报错，而不是把空话版判成 PASS。归档时连同 effect_sources.csv 一并提交，便于换机器复现。
踩坑
- 把试验观察到的 d 写回「事先假设」。
- 功效软件默认单侧，方法段抄成双侧却不重算。
- 只报总 N，不报每组分析 N 与入组 N。
- 脱落预留改了比例，忘记重跑膨胀。
- 参数文件与声明段各改各的，无 CI 复跑。
与缺失/主张烟测如何连用
先冻结样本量参数，再写招募与分析集 N；缺失脱落篇核对分析集如何处理缺失；统计主张篇核对结果句效应量。三套烟测共享「可打开产物」纪律，但探针不同：本篇看设计参数与复算，不看插补脚本，也不看结果 CI 措辞。
复算链怎么写进声明段
建议固定三句，顺序不要打乱。第一句：检验类型与侧别（须与统计分析计划一致）。第二句：先验效应量来源 ID 与数值。第三句：分析所需每组 N、脱落预留比例、入组每组 N 与合计，并点名 compute_n.py。审稿人只需打开参数文件与脚本，即可核对第三句数字；若第三句与脚本输出不一致，即为伪 B3 同类失败。
效应量来源表建议增加 allowed_for_design 列：先验文献与元分析标 yes，本研究观测标 no。验收时凡声明段出现 no 来源，直接判事后功效。这样比只靠正则「本研究观测」更稳，也能挡住换一种措辞的伪 B1。
伪 B 夹具如何当回归测试
把 A、B、伪 B1至B3 五份样本留在 _w/sample-size-ab/，每次改 compute_n.py 或金标准参数后整组重跑。期望不变：A 与三个伪 B 保持 FAIL，B 保持 PASS。若某次改公式导致 B 变 FAIL，先修声明数字，再考虑更新夹具。不要为了让伪 B「好看」而放宽探针。
协作分工
临床作者锁适应症与最小临床重要差（或可引用的先验 d）；统计作者锁检验类型、α、功效与复算脚本；稿件作者只负责把三列表与声明段抄成与 JSON 一致的中文。任何人改预留比例，必须触发重算并改声明，禁止只改一处。
若期刊要求把样本量计算放进附录，附录数字必须与方法段、金标准 JSON 三处一致；烟测应同时扫方法段与附录段落，避免「正文漂亮、附录旧数」的分裂版本。 把附录文件名写进三列表产物列，可与 compute_n.py 并列接受检查。
事前论证一次性写清，后期锁定；若中期因方案修订必须改功效假设，应开新版本参数文件并在方法段声明「修订前后两套 N」，而不是覆盖旧 JSON 使人无法追溯。
总结
样本量与功效论证可以空话，也可以伪完成。三列表把效应量来源、α、功效、脱落预留、检验类型钉成可核对真源；A/B 烟测只放行能复算的 B，并拦住事后功效、侧别不一致与脱落算不回。虚构例中每组分析 63、入组 75，可由标准库脚本复现。改方法声明时复跑同一 CSV，而不是凭「足够」收束。
样本量论证表与禁区归档可用千笔-AIWritePaper 整理；去掉产品名后，三列表与脚本仍可独立使用。