Trong các nghiên cứu, ngưỡng ý nghĩa (p) thấp nhất thường được chọn là:

Khi tính cỡ mẫu, chúng ta cần dựa vào các thông số sau:

• Kích thước của quần thể nghiên cứu: Quần thể càng lớn, cỡ mẫu cần thiết càng lớn để đảm bảo tính đại diện.


• Xác suất chấp nhận để kết quả thật chưa biết xảy ra (mức ý nghĩa thống kê, thường ký hiệu là alpha): Đây là mức sai số loại I mà chúng ta chấp nhận (ví dụ: 5% hay 1%). Giá trị này ảnh hưởng trực tiếp đến độ tin cậy của kết quả.


• Độ chính xác mong muốn (sai số ước lượng): Chúng ta muốn ước lượng các tham số của quần thể với độ chính xác đến mức nào? Sai số càng nhỏ, cỡ mẫu cần càng lớn.


• Độ biến thiên của thuộc tính nghiên cứu trong quần thể: Nếu thuộc tính nghiên cứu có độ biến thiên lớn, chúng ta cần cỡ mẫu lớn hơn để có thể ước lượng chính xác.

Trong các đáp án đưa ra:

• Đáp án 1: Kích thước của quần thể nghiên cứu - Đúng, như giải thích ở trên.


• Đáp án 2: Xác suất chấp nhận để kết quả thật chưa biết xảy ra - Đúng, đây chính là mức ý nghĩa thống kê (alpha).


• Đáp án 3: Liên quan giữa các biến số - Không trực tiếp sử dụng trong công thức tính cỡ mẫu, mặc dù mối liên quan giữa các biến có thể ảnh hưởng đến thiết kế nghiên cứu và do đó ảnh hưởng gián tiếp đến cỡ mẫu.


• Đáp án 4: Sự chính xác của kỹ thuật đo lường - Không trực tiếp sử dụng trong công thức tính cỡ mẫu, mặc dù độ chính xác của kỹ thuật đo lường có thể ảnh hưởng đến độ biến thiên của dữ liệu.

Vì đáp án 1 và 2 đều đúng và quan trọng, nhưng câu hỏi không yêu cầu chọn nhiều đáp án, đáp án gần đúng nhất (thường bao hàm các yếu tố khác) là đáp án 2.

Khi tính cỡ mẫu, chúng ta cần dựa vào một số thông số quan trọng để đảm bảo cỡ mẫu đủ lớn và đại diện cho quần thể nghiên cứu. Các thông số này bao gồm:

• Độ lệch chuẩn (standard deviation): Thể hiện sự phân tán của dữ liệu trong quần thể.


• Mức ý nghĩa (significance level): Thường được ký hiệu là alpha (α), đây là xác suất chấp nhận sai lầm loại I (kết luận có sự khác biệt khi thực tế không có).


• Công suất kiểm định (statistical power): Khả năng phát hiện ra sự khác biệt thực sự nếu nó tồn tại. Thường được đặt là 80% hoặc 90%.


• Kích thước hiệu ứng (effect size): Mức độ khác biệt tối thiểu có ý nghĩa lâm sàng mà chúng ta muốn phát hiện.


• Ước lượng tỷ lệ hiện mắc của bệnh hoặc yếu tố nghiên cứu: Thông tin này giúp ước tính số lượng đối tượng cần thiết để quan sát đủ số ca mắc bệnh hoặc có yếu tố quan tâm.

Trong các lựa chọn được đưa ra:

• Độ nhậy của test phát hiện bệnh: Độ nhạy của test là một thông số quan trọng trong đánh giá test chẩn đoán, nhưng không trực tiếp tham gia vào công thức tính cỡ mẫu.


• Cỡ của quần thể nghiên cứu: Cỡ của quần thể nghiên cứu có thể ảnh hưởng đến công thức tính cỡ mẫu, đặc biệt khi quần thể nhỏ. Tuy nhiên, trong nhiều trường hợp, công thức tính cỡ mẫu sẽ hội tụ khi cỡ quần thể lớn.


• Cỡ của quần thể đích: Tương tự như quần thể nghiên cứu, quần thể đích có thể ảnh hưởng đến cỡ mẫu, nhưng không phải là thông số chính yếu trong mọi công thức.


• Xác suất chấp nhận để kết quả thật chưa biết xảy ra: Điều này liên quan đến mức ý nghĩa (alpha) trong kiểm định giả thuyết, đây là một thông số quan trọng cần thiết khi tính cỡ mẫu.

Do đó, đáp án đúng nhất là xác suất chấp nhận để kết quả thật chưa biết xảy ra, vì nó liên quan trực tiếp đến mức ý nghĩa (alpha) trong tính toán cỡ mẫu.