DOI: https://doi.org/10.12688/f1000research.185853.1
PMID: https://pubmed.ncbi.nlm.nih.gov/42732174
تاريخ النشر: 2026-07-13
المؤلف: Waqar Mohsin Naqvi وآخرون
الموضوع الرئيسي: طرق إحصائية في التجارب السريرية
نظرة عامة
تناقش هذه الفقرة الأهمية الحاسمة لتحديد حجم العينة في أبحاث تعليم المهن الصحية (HPE)، مشيرة إلى أنه غالبًا ما يتم الإبلاغ عنه بشكل غير كافٍ في الأقسام المنهجية. الدراسات ذات القوة المنخفضة تخاطر بعدم اكتشاف التأثيرات الحقيقية، بينما الدراسات ذات القوة العالية تستهلك الموارد. يشير المؤلفون إلى أن الإرشادات الحالية حول حجم العينة مجزأة وتفتقر إلى مرجع موحد للباحثين في HPE. لمعالجة ذلك، قاموا بتطوير تركيب سردي منظم بناءً على بحث أدبي مستهدف وأدلة تجريبية محددة لـ HPE، مؤكدين أن تحديد حجم العينة يجب أن يكون مخصصًا لتصميم الدراسة بدلاً من الاعتماد على صيغة عالمية.
تشير النتائج إلى أن متطلبات حجم العينة تتأثر بعدة عوامل محددة للتصميم، بما في ذلك سؤال البحث، حجم التأثير المتوقع، مستوى الدلالة، القوة، وحدة التحليل، والنهج التحليلي. يجادل المؤلفون بأن اعتبارات حجم العينة يجب أن تدمج في مرحلة تصميم الدراسة، بدلاً من اعتبارها فكرة لاحقة. كما يبرزون اتجاهين ناشئين قد يؤثران على الممارسات المستقبلية: الانتقال من الحسابات التقليدية المغلقة إلى تحليل التصميم القائم على المحاكاة، والذي يمكن أن يتكيف بشكل أفضل مع تعقيدات البحث التعليمي، وزيادة استخدام أدوات الذكاء الاصطناعي لتصميم الدراسات، والتي قد تولد حسابات دون المبررات التصميمية اللازمة. يهدف هذا الدليل إلى توضيح المفاهيم الخاطئة حول تحديد حجم العينة وتعزيز ممارسات منهجية أكثر صرامة في أبحاث HPE.
مقدمة
تسلط المقدمة الضوء على الأهمية الحاسمة لحجم العينة في أبحاث تعليم المهن الصحية (HPE)، مشيرة إلى أنه غالبًا ما يتم الإبلاغ عنه وتبريره بشكل غير كافٍ. كشفت مراجعة منهجية عن حجم عينة وسطي قدره 25 عبر الدراسات، مع تحقيق أقل من 1% لقوة إحصائية تبلغ 80% لاكتشاف تأثيرات معيارية صغيرة (SMD > 0.2) وحوالي 20% فقط قادرة على تحديد تأثيرات كبيرة (SMD > 0.8). يشير هذا إلى أن جزءًا كبيرًا من أبحاث HPE يفتقر إلى القوة الإحصائية الكافية، مما يؤدي إلى احتمال كبير لنتائج إيجابية زائفة وأحجام تأثير مبالغ فيها عند الإبلاغ عن نتائج ذات دلالة.
تم تحديد الأخطاء الشائعة في تحديد حجم العينة، بما في ذلك غياب التبريرات، الاعتماد على قواعد عامة تعسفية، وسوء تفسير البيانات في التدخلات المقدمة عبر المجموعات بسبب تجاهل الارتباط داخل المجموعة. يؤكد المؤلفون أنه لا توجد صيغة واحدة تناسب الجميع لحساب حجم العينة؛ بل يجب أن تكون مخصصة لسؤال البحث المحدد، تصميم الدراسة، حجم التأثير المتوقع، مستوى الدلالة، القوة المطلوبة، وحدة التحليل، والنهج التحليلي. يهدف الدليل إلى تقديم دعم منهجي شامل للباحثين في HPE من خلال تجميع إرشادات حجم العينة ذات الصلة بتصاميم الدراسات المستخدمة بشكل شائع، مع أمثلة وتوقعات للإبلاغ.
الطرق
في قسم الطرق، يوضح المؤلفون النهج المتبع لتطوير الدليل، مؤكدين إطار البحث متعدد الطرق. يوضحون أن أحجام العينات للمكونات الكمية والنوعية تحدد بشكل مستقل بناءً على منهجياتها الخاصة – القوة أو الدقة للبحث الكمي وقوة المعلومات أو التشبع للبحث النوعي. يؤكد المؤلفون أن تبرير حجم العينة الموحد غير مناسب ويوصون بالتشاور مع إحصائي أو منهجي لتنفيذ التصميم بدقة.
بالإضافة إلى ذلك، يوضح القسم تدفقات الأدبيات المستخدمة في تطوير الدليل، محددًا قواعد البيانات التي تم البحث فيها (MEDLINE/PubMed وGoogle Scholar)، والمصطلحات المستخدمة في البحث، وطرق تسلسل الاقتباسات المطبقة. يحدد المؤلفون ثلاثة معايير شمولية واضحة ويعترفون بغياب تقييم الجودة الرسمي وعمليات الاختيار المستقلة المزدوجة. يختتمون بالإشارة إلى أن الدليل لم يخضع لعملية دلفي أو عملية توافق رسمية، وبالتالي يفتقر إلى سلطة بيان التوافق.
المناقشة
تتضمن النسخة المنقحة من ورقة البحث تعديلات شاملة بناءً على ملاحظات المراجعين، مما يعزز بشكل ملحوظ قسم الطرق لتوضيح عملية تطوير الدليل. يشمل ذلك تفصيل مصادر الأدبيات، قواعد البيانات، مصطلحات البحث، ومعايير التوصيات، مؤكدًا أن الدليل هو تركيب سردي منظم بدلاً من مراجعة منهجية. تشمل التغييرات الرئيسية إعادة صياغة المعايير العددية كأمثلة توضيحية بدلاً من كونها نهائية، إدخال أقسام جديدة حول التخطيط القائم على الدقة، الأهمية التعليمية، وتنفيذ البرمجيات، وإضافة قسم القيود. يهدف الدليل إلى تقديم سير عمل قابل للتكرار من تسع خطوات لتحديد حجم العينة في دراسات تعليم المهن الصحية (HPE)، مما يضمن أن يتمكن الباحثون من التخطيط بشكل فعال لتصاميم أبحاثهم.
تؤكد المبادئ الأساسية الموضحة في الدليل على أهمية تحديد حجم التأثير المتوقع، مستوى الدلالة، والقوة قبل إجراء حسابات حجم العينة. يبرز أن أحجام التأثير يجب أن تكون مرتبطة بسياق محدد لمقارنات معينة بدلاً من الاعتماد على تقاليد عامة. كما يدعو الدليل إلى التخطيط القائم على الدقة، الذي يركز على تقدير التأثيرات مع فترات ثقة مقبولة، وهو أمر ذو صلة خاصة بالدراسات الوصفية. تم تصميم سير العمل المكون من تسع خطوات لمنع الأخطاء الشائعة في اختيار حجم العينة، مما يضمن أن يتماشى الباحثون مع حسابات حجم العينة الخاصة بهم مع تصميم دراستهم ونموذجهم التحليلي. بشكل عام، يعد الدليل مصدرًا قيمًا للباحثين في HPE، حيث يقدم منهجيات واضحة وأدوات عملية للتخطيط القوي للدراسات.
القيود
تسلط القيود في هذا الدليل المنهجي الضوء على طبيعته كمورد عملي بدلاً من مراجعة منهجية أو بيان توافق. تم إجراء البحث الأدبي بشكل هادف، وكانت عملية الاختيار تفتقر إلى التكرار المستقل والتقييم الرسمي، مما قد يؤدي إلى تركيزات مختلفة في تجميعات أخرى في هذا المجال. الأرقام العددية المقدمة في الجداول 1 و2 تهدف إلى أن تكون أمثلة توضيحية، مستمدة من سياقات وافتراضات محددة. إن تطبيق هذه الأرقام خارج سياقها المقصود – وخاصة تلك المتعلقة بالدراسات التجريبية، التشبع، وتحليل العوامل – دون النظر في الأهداف المحددة ومتطلبات الدقة للدراسة قد يؤدي إلى سوء التطبيق.
علاوة على ذلك، فإن الصيغ المغلقة المدرجة في الدليل قابلة للتطبيق فقط على الحالات البسيطة والمتوازنة ذات النتيجة الواحدة، والتي تمثل الغالبية العظمى من أبحاث تعليم المهن الصحية (HPE). لا تمتد إلى التصاميم الأكثر تعقيدًا، مثل الهياكل العنقودية غير المتوازنة أو ثلاثية المستويات، أنماط البيانات المفقودة المعقدة، أو النماذج ذات النتائج المتعددة المرتبطة. يؤكد الدليل على أن الخبرة المنهجية ضرورية للدراسات ذات التصاميم المعقدة أو الآثار الكبيرة؛ لذلك، يجب على الباحثين الاستعانة بإحصائي أو منهجي خلال مرحلة التصميم بدلاً من بعد جمع البيانات. يهدف هذا الدليل إلى تسهيل مناقشات أكثر إنتاجية من خلال توضيح القرارات التي يجب على الباحثين اتخاذها قبل بدء دراساتهم.
DOI: https://doi.org/10.12688/f1000research.185853.1
PMID: https://pubmed.ncbi.nlm.nih.gov/42732174
Publication Date: 2026-07-13
Author(s): Waqar Mohsin Naqvi et al.
Primary Topic: Statistical Methods in Clinical Trials
Overview
The section discusses the critical importance of sample size determination in health professions education (HPE) research, highlighting that it is often inadequately reported in methodological sections. Underpowered studies risk failing to detect real effects, while overpowered studies waste resources. The authors note that existing guidance on sample size is fragmented and lacks a unified reference for HPE researchers. To address this, they developed a structured narrative synthesis based on targeted literature searches and empirical evidence specific to HPE, emphasizing that sample size determination should be tailored to the study design rather than relying on a universal formula.
The findings indicate that sample size requirements are influenced by several design-specific factors, including the research question, expected effect size, significance level, power, unit of analysis, and analytical approach. The authors argue that sample size considerations should be integrated into the study design phase, rather than treated as an afterthought. They also highlight two emerging trends that may influence future practices: the shift from traditional closed-form calculations to simulation-based design analysis, which can better accommodate the complexities of educational research, and the increasing use of artificial intelligence tools for study design, which may generate calculations without the necessary design rationale. This guide aims to clarify misconceptions around sample size determination and promote more rigorous methodological practices in HPE research.
Introduction
The introduction highlights the critical importance of sample size in health professions education (HPE) research, noting that it is often inadequately reported and justified. A systematic review revealed a median sample size of 25 across studies, with fewer than 1% achieving 80% statistical power to detect small standardized effects (SMD > 0.2) and only about 20% capable of identifying large effects (SMD > 0.8). This indicates that a significant portion of HPE research lacks sufficient statistical power, leading to a high likelihood of false positives and exaggerated effect sizes when significant results are reported.
Common errors in sample size determination are identified, including the absence of justifications, reliance on arbitrary rules of thumb, and misinterpretation of data in cluster-delivered interventions due to ignoring intracluster correlation. The authors emphasize that there is no one-size-fits-all formula for sample size calculation; rather, it should be tailored to the specific research question, study design, expected effect size, significance level, desired power, unit of analysis, and analytical approach. The guide aims to provide comprehensive methodological support for HPE researchers by consolidating sample size guidance relevant to commonly used study designs, complete with examples and reporting expectations.
Methods
In the section on Methods, the authors outline the approach taken to develop the guide, emphasizing the mixed-methods research framework. They clarify that sample sizes for quantitative and qualitative components are determined independently based on their respective methodologies—power or precision for quantitative research and information power or saturation for qualitative research. The authors stress that a unified sample size justification is inappropriate and recommend consulting with a statistician or methodologist for accurate design implementation.
Additionally, the section details the literature streams utilized in the guide’s development, specifying the databases searched (MEDLINE/PubMed and Google Scholar), the search terms employed, and the citation chaining methods applied. The authors establish three explicit inclusion criteria and acknowledge the absence of formal quality appraisal and dual independent selection processes. They conclude by noting that the guide has not undergone a Delphi or formal consensus process, thus lacking the authority of a consensus statement.
Discussion
The revised version of the research paper incorporates comprehensive amendments based on reviewer feedback, notably enhancing the Methods section to clarify the guide’s development process. This includes detailing the literature sources, databases, search terms, and criteria for recommendations, emphasizing that the guide is a structured narrative synthesis rather than a systematic review. Key changes include reframing numerical benchmarks as illustrative rather than definitive, the introduction of new sections on precision-based planning, educational significance, and software implementation, and the addition of a Limitations section. The guide aims to provide a reproducible nine-step workflow for sample size determination in health professions education (HPE) studies, ensuring that investigators can effectively plan their research designs.
The foundational principles outlined in the guide stress the importance of defining the expected effect size, significance level, and power before conducting sample size calculations. It highlights that effect sizes should be contextually anchored to specific comparators rather than relying on generic conventions. The guide also advocates for precision-based planning, which focuses on estimating effects with acceptable confidence intervals, particularly relevant for descriptive studies. The nine-step workflow is designed to prevent common errors in sample size selection, ensuring that researchers align their sample size calculations with their study design and analytical model. Overall, the guide serves as a valuable resource for HPE investigators, providing clear methodologies and practical tools for robust study planning.
Limitations
The limitations of this methodological guide highlight its nature as a practical resource rather than a systematic review or consensus statement. The literature search was conducted purposively, and the selection process lacked independent duplication and formal appraisal, which may lead to different emphases in other syntheses of the field. The numerical anchors provided in Tables 1 and 2 are intended as illustrative examples, derived from specific contexts and assumptions. Applying these figures outside their intended context—particularly those related to pilot studies, saturation, and factor analysis—without considering the specific aims and precision requirements of a study could lead to misapplication.
Furthermore, the closed-form formulas included in the guide are applicable only to simple, balanced, single-outcome cases, which represent the majority of Health Professions Education (HPE) research. They do not extend to more complex designs, such as unbalanced or three-level cluster structures, intricate missing-data patterns, or models with multiple correlated outcomes. The guide emphasizes that methodological expertise is essential for studies with complex designs or significant implications; therefore, investigators should engage a statistician or methodologist during the design phase rather than post-data collection. This guide aims to facilitate more productive discussions by clarifying the decisions that investigators must make prior to initiating their studies.