top of page

מספר הנבדקים ועוצמה סטטיסטית: כיצד לדעת אם מחקר רפואי גדול מספיק כדי לזהות הבדל אמיתי

תמונת הסופר/ת: ד״ר גיא רופא
ד״ר גיא רופא
11 בנוב׳
זמן קריאה 6 דקות

מאת ד״ר גיא רופא

התשובה הקצרה היא שמחקר רפואי גדול מספיק כאשר מספר המשתתפים בו מאפשר לזהות, בהסתברות שנקבעה מראש, הבדל בעל משמעות רפואית — אם הבדל כזה אכן קיים. לא די לבדוק אם המחקר כולל “הרבה” נבדקים: יש להתחשב בגודל ההשפעה הצפוי, בשונות הנתונים, בשכיחות התוצאה, ברמת המובהקות, בעוצמה הסטטיסטית, בנשירה מהמחקר ובמבנה הניסוי.

משום כך, אותו מספר משתתפים עשוי להספיק למחקר אחד אך להיות קטן מדי למחקר אחר. מחקר הבוחן שינוי שכיח וגדול עשוי להזדקק למדגם מצומצם יחסית, בעוד שמחקר שנועד לזהות תופעת לוואי נדירה או הבדל קטן בין טיפולים עשוי לדרוש אלפי משתתפים ואף יותר.

מהי עוצמה סטטיסטית, ומה קובע את גודל המדגם?

עוצמה סטטיסטית היא ההסתברות שמחקר יזהה הבדל כאשר הבדל אמיתי בגודל שהוגדר מראש אכן קיים. בניסוח טכני, העוצמה שווה ל־1 פחות ההסתברות לטעות מסוג שני, המסומנת בדרך כלל באות β. תכנון המחקר קובע מראש את העוצמה הרצויה; ערכים של 80% או 90% נפוצים, אך אינם כלל אוניברסלי ואינם מבטיחים שממצאי המחקר יהיו נכונים.

על פי עקרונות התכנון הסטטיסטי של ניסויים קליניים המפורטים בהנחיית ICH E9 של ה־FDA, חישוב מספר המשתתפים צריך להתבסס על מטרת המחקר, מדד התוצאה העיקרי, גודל ההבדל שאותו מבקשים לזהות, השונות הצפויה, רמת המובהקות והעוצמה. חשוב שהנחות אלה יוגדרו לפני איסוף הנתונים, ולא יותאמו בדיעבד לתוצאות.

המרכיבים המרכזיים בחישוב הם:

- גודל ההשפעה המבוקש: ככל שההבדל שאותו רוצים לזהות קטן יותר, נדרש בדרך כלל מדגם גדול יותר. - השונות באוכלוסייה: כאשר המדידות משתנות מאוד בין המשתתפים, קשה יותר להבחין בין השפעת הטיפול לבין התנודות הטבעיות בנתונים. - שכיחות האירוע: תוצאה נדירה, כגון סיבוך לא שכיח, מחייבת לרוב מספר גדול יותר של משתתפים כדי שיצטברו די אירועים לניתוח. - רמת המובהקות: רף מחמיר יותר להפחתת תוצאות חיוביות כוזבות מגדיל בדרך כלל את המדגם הדרוש. - העוצמה שנבחרה: מעבר מעוצמה של 80% ל־90% מפחית את הסיכון להחמצת השפעה אמיתית, אך דורש יותר משתתפים. - סוג הניתוח: השוואת ממוצעים, השוואת שיעורים, ניתוח הישרדות ומחקר אי־נחיתות מחייבים חישובים שונים. - נשירה ואי־היענות: אם צפוי שחלק מהמשתתפים לא ישלימו את המעקב, יש להביא זאת בחשבון מראש.

לכן אין “מספר קסם” המגדיר מחקר גדול. גודל המדגם הוא תוצאה של שאלה קלינית מוגדרת ושל הנחות סטטיסטיות מפורשות.

טעויות מסוג ראשון ושני: מה המחקר עלול להחמיץ?

בכל בדיקה סטטיסטית קיימים שני סיכוני טעות מרכזיים. טעות מסוג ראשון, המסומנת α, מתרחשת כאשר מסיקים שקיים הבדל אף שבמציאות הוא אינו קיים. טעות מסוג שני, β, מתרחשת כאשר המחקר אינו מזהה הבדל אמיתי. סקירה מתודולוגית הזמינה דרך NCBI מסבירה את הקשר בין גודל המדגם, רמת המובהקות, העוצמה וגודל ההשפעה.

רמת מובהקות של 5% פירושה שבמסגרת המודל הסטטיסטי קיימת הסתברות מוגדרת לקבל תוצאה קיצונית לפחות כמו זו שנצפתה, בהנחה שהשערת האפס נכונה. היא אינה אומרת שיש הסתברות של 95% שהטיפול עובד, ואינה מלמדת לבדה אם ההבדל חשוב מבחינה רפואית.

גם עוצמה של 80% אינה תכונה שניתן לאשר בדיעבד רק משום שהתוצאה הייתה מובהקת או לא מובהקת. זוהי תכונת תכנון המתייחסת להשפעה מסוימת שהוגדרה מראש. אם תוכנן לזהות ירידה גדולה בסיכון, ייתכן שהמחקר לא יהיה חזק דיו כדי לזהות ירידה קטנה יותר — גם אם היא חשובה למטופלים.

במחקר קטן מדי עולה הסיכון לתוצאה שלילית כוזבת. עם זאת, גם תוצאה חיובית ממחקר קטן מחייבת זהירות: אומדן ההשפעה עלול להיות בלתי יציב, ורווח הסמך עשוי להיות רחב. לעומת זאת, מחקר גדול מאוד עשוי לזהות הבדל זעיר כמובהק סטטיסטית אף שמשמעותו הקלינית מוגבלת. לפיכך יש לבחון יחד את ערך ה־p, גודל ההשפעה, רווח הסמך והרלוונטיות הרפואית.

כיצד מחשבים את מספר המשתתפים בפועל?

החישוב מתחיל בהגדרת מדד תוצאה עיקרי אחד וברור ככל האפשר. לדוגמה, במחקר על טיפול להפחתת לחץ דם, מדד התוצאה עשוי להיות השינוי הממוצע בלחץ הדם הסיסטולי לאחר תקופה מוגדרת. במחקר מניעתי, המדד עשוי להיות שיעור הופעת מחלה; ובמחקר אונקולוגי — זמן עד התקדמות או הישרדות.

לאחר מכן יש להגדיר את ההבדל המזערי בעל החשיבות הקלינית. אין מדובר בהכרח בהבדל הקטן ביותר שניתן למדוד, אלא בהבדל המצדיק שינוי בהחלטה רפואית, תוך התחשבות בתועלת, בנזק, בעומס הטיפול ובחלופות. לפי הנחיית ICH E9 לתכנון ולניתוח ניסויים קליניים, ההנחות שעליהן מבוסס גודל המדגם צריכות להיות מנומקות ולהתאים למטרת המחקר ולניתוח המתוכנן.

לדוגמה עקרונית, אם שיעור אירוע מסוים הוא 20% ללא טיפול ומצפים שהטיפול יוריד אותו ל־10%, ההבדל המוחלט הוא עשר נקודות אחוז. אם ההשפעה הצפויה היא ירידה מ־20% ל־18% בלבד, יידרש מדגם גדול בהרבה. הסיבה היא שהפרדה אמינה בין שיעורים קרובים דורשת יותר מידע.

בחישובי ממוצעים יש להעריך גם את סטיית התקן. בחישובי זמן־עד־אירוע, מספר האירועים חשוב לעיתים יותר ממספר המשתתפים הכולל. במחקרי אשכולות — למשל, כאשר מרפאות או בתי ספר מוקצים לקבוצות ולא כל אדם בנפרד — יש לתקן את המדגם בשל הדמיון בין משתתפים מאותו אשכול.

בסיום החישוב נהוג להוסיף שיעור נשירה משוער. אם נדרשים 800 משתתפים עם נתונים מלאים וצפויה נשירה של 10%, לא נכון לגייס 800 ולהניח שכולם ישלימו את המחקר. עם זאת, אין להשתמש בתוספת כללית ללא הצדקה; שיעור הנשירה צריך להישען על משך המעקב, מורכבות ההתערבות ומידע ממחקרים דומים.

מתי גם מחקר גדול עלול להיות חלש?

מספר משתתפים גדול אינו מתקן תכנון לקוי. מחקר עלול להיות בלתי משכנע גם כאשר גויסו אלפי אנשים, אם מדד התוצאה אינו מתאים, שיעור הנשירה גבוה, קיימת הטיה בבחירת המשתתפים, ההקצאה אינה תקינה או שהניתוח שונה לאחר צפייה בנתונים.

בעיה מרכזית נוספת היא ריבוי השוואות. אם נבדקים מדדים רבים, תתי־קבוצות רבות או מועדי מדידה רבים, גדלה ההסתברות שלפחות תוצאה אחת תיראה מובהקת במקרה. הנחיית ה־FDA בנושא ריבוי נקודות קצה בניסויים קליניים מדגישה את הצורך באסטרטגיה מתוכננת לשליטה בסיכון לתוצאות חיוביות כוזבות.

דוגמאות למצבים המחייבים התאמה מיוחדת כוללות:

- מספר מדדי תוצאה עיקריים: ייתכן צורך בחלוקת רמת המובהקות או בהליך היררכי. - ניתוחי ביניים: בדיקה חוזרת של הנתונים במהלך המחקר עשויה לחייב גבולות סטטיסטיים מותאמים. - השוואת כמה מינונים או טיפולים: כל השוואה נוספת משפיעה על הסיכון הכולל לטעות. - מחקר אי־נחיתות: יש להצדיק מראש את גבול אי־הנחיתות ולשמור על איכות ביצוע גבוהה. - ניתוחי תתי־קבוצות: גיל, מין, חומרת מחלה או מאפיינים גנטיים מחלקים את המדגם לקבוצות קטנות יותר, ולכן העוצמה בכל תת־קבוצה נמוכה יותר.

גם נשירה אינה רק אובדן כמותי. אם המשתתפים שעזבו שונים באופן שיטתי מאלה שנותרו, הגדלת המדגם הראשוני אינה בהכרח מבטלת את ההטיה. בדומה לכך, מדידה לא מדויקת של תוצאות עלולה להגדיל שונות ולהחליש את היכולת לזהות השפעה.

כיצד קוראים ביקורתית את סעיף גודל המדגם?

דיווח תקין צריך להסביר כיצד נקבע מספר המשתתפים, ולא להסתפק במשפט “נדרשו 300 נבדקים”. הנחיות CONSORT לדיווח על ניסויים אקראיים דורשות לציין כיצד חושב גודל המדגם ומדוע, לרבות ניתוחי ביניים וכללי הפסקה, כאשר הם רלוונטיים.

בעת קריאת מחקר כדאי לשאול:

1. מה היה מדד התוצאה העיקרי שעליו התבסס החישוב? 2. איזה גודל השפעה הוגדר, והאם הוא משמעותי מבחינה רפואית? 3. על סמך מה הוערכו השונות או שיעור האירועים בקבוצת הביקורת? 4. מה היו רמת המובהקות והעוצמה המתוכננות? 5. האם החישוב התחשב בנשירה, באשכולות או בריבוי השוואות? 6. האם גויס מספר המשתתפים שתוכנן, וכמה מהם נכללו בניתוח? 7. האם רווחי הסמך צרים מספיק כדי לתמוך במסקנה מעשית? 8. האם התוצאה העיקרית נקבעה מראש, או שהדגש עבר לתוצאה אחרת לאחר הניתוח?

כאשר מחקר אינו מוצא הבדל, יש לבדוק אם רווח הסמך שולל השפעה חשובה. “לא מובהק” אינו זהה ל“אין השפעה”. רווח סמך רחב, הכולל גם תועלת חשובה וגם נזק אפשרי, מעיד בדרך כלל על אי־ודאות. לעומת זאת, רווח סמך צר סביב הבדל זניח עשוי לספק ראיה משכנעת יותר לכך שאין השפעה בעלת חשיבות קלינית.

חשוב גם להבחין בין העוצמה שתוכננה לבין הדיוק שהושג. לאחר השלמת המחקר, רווח הסמך מספק בדרך כלל מידע שימושי יותר מחישוב “עוצמה בדיעבד”, משום שהוא מציג אילו גדלי השפעה עדיין מתיישבים עם הנתונים.

סיכום

מחקר רפואי גדול מספיק אינו בהכרח מחקר עם מספר מרשים של משתתפים, אלא מחקר שמספר המשתתפים בו נגזר משאלה מוגדרת, מהבדל בעל משמעות קלינית ומהנחות סבירות. עוצמה סטטיסטית מספקת מפחיתה את הסיכון להחמיץ השפעה אמיתית, אך אינה מגינה מפני הטיות, מדידה לקויה, נשירה שיטתית או שינוי תוצאות לאחר צפייה בנתונים.

לפי העקרונות המתודולוגיים המפורטים בהנחיית ICH E9 של ה־FDA, הערכת גודל המדגם צריכה להיות חלק מתכנון מוקדם ושקוף. בקריאה ביקורתית יש לבחון לא רק כמה אנשים השתתפו, אלא גם מה תוכנן לזהות, אילו הנחות שימשו בחישוב, כמה משתתפים השלימו את המחקר ומה מראים גודל ההשפעה ורווח הסמך.

זהו מידע רפואי וכללי בלבד. לפני פרסום נדרשות ביקורת אנושית ובדיקת רופא, לרבות אימות ההתאמה בין הטענות, ההקשר הקליני והמקורות המצוטטים.

מקורות

1. U.S. Food and Drug Administration. E9 Statistical Principles for Clinical Trials: https://www.fda.gov/media/71336/download

2. Charan J, Biswas T. How to Calculate Sample Size for Different Study Designs in Medical Research? Indian Journal of Psychological Medicine. 2013;35(2):121–126. NCBI/PMC: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3775042/

3. Suresh KP, Chandrashekara S. Sample Size Estimation and Power Analysis for Clinical Research Studies. Journal of Human Reproductive Sciences. 2012;5(1):7–13. NCBI/PMC: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3409926/

4. U.S. Food and Drug Administration. Multiple Endpoints in Clinical Trials: Guidance for Industry: https://www.fda.gov/media/102657/download

5. Schulz KF, Altman DG, Moher D; CONSORT Group. CONSORT 2010 Statement: Updated Guidelines for Reporting Parallel Group Randomised Trials. BMJ. 2010;340:c332: https://doi.org/10.1136/bmj.c332

להמשך קריאה

  • מתאם אינו סיבתיות: כיצד לפרש קשרים סטטיסטיים במחקרים רפואיים ולהימנע ממסקנות שגויות

  • סיכון יחסי לעומת סיכון מוחלט: כיצד לפרש תוצאות מחקרים ולקבל החלטות רפואיות מושכלות

על המחבר

ד״ר גיא רופא — יוצר תוכן רפואי ומחבר ספרים.

אינו עוסק כיום ברפואה, אינו מקבל מטופלות ואינו מציע קביעת תורים.

לפרופיל הרשמי

 
 
 

פוסטים אחרונים

הצג הכול

תגובות


אי אפשר יותר להגיב על הפוסט הזה. לפרטים נוספים יש לפנות לבעל/ת האתר.
bottom of page