公共数据库研究，样本量多少才够？

面对公共数据库中成千上万的样本，我们既欣喜于数据的丰富，又困惑于那个经典问题：我的研究到底需要多少样本量？ 更让人纠结的是，当某个亚组样本量偏小时，该怎么办？这篇文章将给你一套清晰的思路。

“应纳尽纳”是起点，而非终点

公共数据库研究的一大特点是 “数据是现成的” ，这导致传统的“事前样本量计算”往往不适用。取而代之的原则是：在符合纳入排除标准的前提下，应纳尽纳。

但这绝不意味着我们可以忽略样本量问题。审稿人常问：“你的研究效能（Power）足够吗？” 以下指南帮你应对。

公共数据库研究的样本量评估原则

虽然没有严格的公式，但学界有一些经验法则和评估思路：

1️⃣ 经验性参考范围（基于研究设计）

注意：这并非金标准，而是帮助你评估研究稳健性的经验参考。

2️⃣ 核心指标：关注“事件数”而非“总人数”

对于逻辑回归、Cox回归等模型，模型的稳定性取决于 “事件数” ，而非总样本量。

例：研究死亡风险，共10000人，但只有80人死亡。那么决定模型稳定性的就是这80个事件。这时，纳入过多的预测变量会导致模型不可靠。

实战困境：当样本量不足时，7大补救策略

当你发现感兴趣的亚组样本量偏小（例如，某个罕见病患者仅50例），不要轻易放弃。可以尝试以下策略：

 策略一：转换变量类型（提升统计效能）

❌ 分类变量：将连续变量（如年龄）强行分为“青年/中年/老年”，会损失信息，降低效能。

✅ 连续变量：尽可能将自变量和因变量视为连续变量处理（如用线性回归代替t检验），效能更高。

 策略二：简化统计模型 

❌ 复杂模型：包含10个协变量的多元回归模型，在小样本下极易过拟合。

✅ 精简模型：优先调整最核心的混杂因素（如年龄、性别），或通过LASSO等方法筛选关键的影响因素。

 策略三：使用了更高效的统计方法 

❌ 直接删除缺失值：可能导致样本量进一步损失和偏倚。

✅ 多重插补：能够利用全部样本的信息，是处理缺失值、挽救样本量的首选方法。

 策略四：调整分析策略 

❌ 单一模型死磕：样本量小，结果不稳定，容易被审稿人质疑。

✅ 敏感性分析：通过变换变量定义、使用不同模型、剔除极端值等方式，证明主要结果在不同设定下依然稳健。

 策略五：数据重构与合并 

• 合并亚组：如果科学问题允许，将一些稀疏的亚组合并（例如，将“其他”种族合并为一个类别）。

• 考虑多中心数据库：如果某个数据库的样本量较少，可以考虑补充其他中心的数据。

 策略六：结果呈现的“坦诚”策略 

在论文章节中，主动且坦诚地讨论样本量问题：

• 方法学部分：预先说明这是一个探索性分析或存在样本量限制。

• 结果部分：不仅报告P值，更要报告效应值及其置信区间。一个很宽置信区间本身就在告诉读者结果的不确定性。

• 讨论部分：将“小样本量”作为研究的局限性明确提出，并说明这对结果解读可能产生的影响。

 策略七：聚焦“文章意义”，而非“统计显著性” 

当统计效能不足时，不要过分纠结于是否P<0.05。

• 可以强调：效应的方向、效应的点估计值（如OR=2.5）、以及其在临床或生物学上的合理性。

• 可以结论：“我们观察到一个较大的效应值，但由于样本量限制，其精确度有待更大规模研究确认。” 这种坦诚反而会增加论文的可信度。

典型案例

案例一：

标题：构建和验证用于预测老年房颤髋部骨折患者院内死亡率的列线图：一项回顾性研究

期刊：Front Med (Lausanne)（中科院三区，IF = 3.0）

研究方法：该研究共纳入308例患者。作者首先采用逻辑回归（LR）和LASSO算法分别筛选出15个和20个特征。然后，将上述方法筛选出的特征交集（共10个特征）进一步用于构建XGBoost模型，以获得特征重要性排序。最后，通过比较基于“按特征排序添加特征”策略构建的LR模型的AUC值，最终选择8个特征构建列线图。该列线图在训练集中表现出优于传统评分系统的预测性能（AUC：0.834），在外部验证中AUC为0.715。

该研究样本量小，采取了以下方法增强文章的可信度：

• 筛选变量采用两种方法，以减少模型的过拟合。

• 在讨论部分局限性中承认该研究样本量少，为了提高预测模型的普适性，应在更大规模的髋部骨折合并房颤患者队列中进行进一步的训练和验证。

案例二：

标题：将机器学习模型与现有临床指标进行比较，以预测高流量鼻导管治疗急性低氧性呼吸衰竭的疗效

期刊：Crit Care（中科院一区，IF=9.3）

研究方法：该研究利用2018年至2023年间在摩德纳大学医院呼吸重症监护室接受治疗的184例急性呼吸衰竭（AHRF）患者（其中37%为高流量鼻导管氧疗失败）在治疗后2小时内的测量数据，构建了机器学习模型。为了进行外部验证，我们使用了一个包含567例AHRF患者（其中22%为失败病例）的数据集，其中包括来自巴西近期 RENOVATE试验的510例患者和来自美国MIMIC-IV和eICU数据库的57例患者。

该研究样本量小，采取了以下方法增强文章的可信度：

• 增加了多个中心的数据进行模型验证。

• 采用了一种更可靠、更无偏的嵌套重复交叉验证方法进行内部性能评估。与传统的交叉验证（依赖于单次运行进行模型选择，并在验证前进行特征选择）不同，嵌套重复交叉验证降低了过拟合的风险，减少了性能高估，并提供了更稳定、更可靠且方差更低的性能估计值，尤其适用于小型数据集。

• 在讨论部分局限性中承认本研究样本量少，尽管分析数据集中的测量粒度很高，但数据集中的患者总数仍然小于通常用于机器学习模型训练和验证的患者数量。