Güç Analizi Neden Gerekli ve Kimler İstiyor?

Bir araştırmacının en sık karşılaştığı geri dönüşlerden biri şu: etik kurula gönderilen dosya, "güç analizi eksik" gerekçesiyle iade ediliyor. Literatür taraması bitmiş, hipotezler kurulmuş, veri toplama formu hazır olabilir; ama örneklem büyüklüğünün bilimsel gerekçesi yoksa dosya çoğu zaman geri dönüyor. Arkasından gelen soru da hep benzer oluyor: "Çalışmamda 50 hasta var, yetmez mi?"

Bunun yeterli olup olmadığını ancak güç analizi gösteriyor. Bu yazı, güç analizinin neden zorunlu olduğunu, ihmal edildiğinde nelerle karşılaşıldığını ve hangi kurumun neden istediğini ele alıyor. Güç analizinin tanımını, parametrelerini ve formüllerini merak ediyorsanız güç analizi nedir yazımız o konuya odaklanıyor.

Kendi çalışmanız için hızlı bir örneklem tahmini ve etik kurula eklenebilecek gerekçe metni almak isterseniz örneklem hesaplama aracımız dört yaygın tasarım için anında sonuç üretiyor.

Yetersiz örneklemin gerçek bedeli nedir?

Güç analizi yapılmadan başlanan bir çalışmanın iki muhtemel sonucu var ve ikisi de araştırmacının aleyhine işliyor.

İlk sonuç — gerçek bir fark var ama gösterilemiyor. 30 hastayla çalışmaya başladınız; tedavi gerçekten işe yarıyor ama örneklem yetersiz kaldığı için test anlamlılığa ulaşamıyor, p = 0,12 çıkıyor ve "fark yok" diye yorumluyorsunuz. Oysa aynı etkiyi daha büyük bir örneklemde — örneğin 80 hastayla — yeterli güçle yakalama olasılığınız çok daha yüksekti. Etkili bir tedavi, yalnızca örneklem küçük olduğu için gözden kaçıyor; hastaların katkısı da, sizin emeğiniz de karşılıksız kalıyor. Bu, istatistikte Tip II hata olarak adlandırılıyor.

İkinci sonuç — gereğinden fazla katılımcı alınıyor. "Ne kadar çok o kadar iyi" varsayımıyla 500 hasta topladınız; oysa güç analizi 120 hastanın yeterli olduğunu gösterecekti. Fazladan 380 katılımcı gereksiz yere riske ediliyor, kaynak israf ediliyor. Dahası, çok büyük örneklemde klinik olarak önemsiz küçük farklar bile istatistiksel olarak "anlamlı" çıkıyor ve bu sonucu klinik pratikte nasıl yorumlayacağınız belirsizleşiyor.

Her iki durum da güç analizinin atlanmasının doğrudan sonucu. Güç analizi, ne az ne çok — çalışmanın sorusuna uygun örneklem büyüklüğünü belirlemenin yolu.

Etik kurul neden istiyor?

Etik kurulların temel sorusu net: "Bu çalışmaya katılacak kişiler ne için risk alıyor?" Çalışma baştan güçsüzse ve anlamlı bir sonuç üretme şansı düşükse, katılımcılar bir karşılığı olmadan riske ediliyor demektir — bu da etik açıdan savunulamaz.

Somut bir örnek üzerinden bakalım: 20 kişiyle bir ilaç çalışması planlıyorsunuz, ama güç analizine göre %80 güce ulaşmak için 64 kişi gerekiyor. Etik kurulun tavrı öngörülebilir — "20 kişiyle anlamlı bir sonuç göremezsiniz; ya örneklemi artırın ya da çalışmayı yeniden tasarlayın." Türkiye'deki üniversite ve hastane etik kurulları son yıllarda bu konudaki beklentilerini belirgin biçimde yükseltti. "Kliniğimize başvuran tüm hastalar alınacaktır" türü ifadeler artık yeterli görülmüyor; güç analizi eksik protokoller ek bilgi talebiyle geri gönderiliyor ve süreç haftalarca uzayabiliyor. Etik kurul başvuru rehberimizde dosya hazırlama sürecini adım adım ele aldık.

TÜBİTAK ve YÖK neden istiyor?

Etik kurul dışında iki kurum daha güç analizi bekliyor. TÜBİTAK tarafında, ARDEB programlarına (1001, 1002, 3501 vb.) yapılan proje başvurularında istatistiksel analiz planı ve güç analizi zorunlu; hakem değerlendirme formlarında örneklem büyüklüğünün bilimsel gerekçesine ayrılmış özel bir alan bulunuyor ve bu bölümün eksik ya da yetersiz olması proje puanını doğrudan düşürüyor. YÖK tarafında ise güç analizi, lisansüstü tezlerde izleme komitesi ve jüri tarafından düzenli sorgulanan konulardan biri; "Örneklem büyüklüğünüzü nasıl belirlediniz?" sorusu neredeyse her savunmada karşınıza çıkıyor ve "kliniğe başvuran hasta sayısına göre" yanıtı çoğu jüriyi ikna etmiyor. Her iki kurumun beklentisinin ardında aynı mantık var: ayrılan zamanın, paranın ve insan kaynağının verimli kullanıldığını görmek.

Dergiler neden istiyor?

SCI-E indeksli dergilere makale gönderdiğinizde, hakemin ilk baktığı yerlerden biri örneklem büyüklüğünün gerekçesi oluyor. CONSORT bildirimi randomize kontrollü çalışmalarda güç analizinin raporlanmasını zorunlu kılıyor; STROBE bildirimi gözlemsel çalışmalarda örneklem büyüklüğü gerekçesinin sunulmasını öneriyor. Hakemler pratikte iki soruya yanıt arıyor: örneklem büyüklüğünün nasıl hesaplandığı ve çalışmanın yeterli güce sahip olup olmadığı — özellikle "anlamsız" sonuç bildiren çalışmalarda ikincisi kritik hale geliyor. Gerekçe raporlanmamışsa hakem raporunda sık görülen ifade şu oluyor: "The sample size justification is missing. The authors should provide a power analysis or explain the rationale for the chosen sample size." Bu eleştiriye nasıl yanıt verileceğini hakem yanıtı hazırlama yazımızda ayrıntılı ele aldık.

Dört merci farklı gerekçelerle aynı şeyi istiyor; tabloda toplu görmek yararlı olabilir:

Güç analizini atlamanın beş sonucu

Güç analizinin atlanması tek bir aksaklıkla kalmıyor; süreç boyunca farklı aşamalarda karşınıza çıkıyor:

1. Etik kurul dosyası iade edilir. En doğrudan sonuç; süreç dört-altı hafta uzayabiliyor. 2. TÜBİTAK projesi puan kaybeder. Hakem değerlendirmesinde metodoloji puanı düşüyor, proje destek alamayabiliyor. 3. Makale masa başında reddedilir. Bazı dergiler örneklem gerekçesi eksik makaleleri hakeme göndermeden geri çeviriyor. 4. Hakemlerden kapsamlı revizyon gelir. "Sample size justification ekleyin" ya da "retrospektif güç değerlendirmesi yapın" talepleri sık. 5. Yayınlansa bile eleştiriye açık kalır. Yetersiz örneklemle yürütülen çalışma, sonuçların güvenilirliğini gölgeleyen bir zayıflık olarak okunuyor.

Bu sonuçların hepsi önlenebilir nitelikte. Çalışmanın başında ayrılan birkaç saatlik güç analizi, ilerleyen aylarda ortaya çıkacak gecikmeleri ve retleri baştan engelliyor.

Peki ya retrospektif çalışmalar?

Retrospektif çalışmalarda a priori güç analizi yapılamıyor, çünkü örneklem büyüklüğü zaten belli. Bu durumda etik kurul ve hakemler duyarlılık (sensitivity) analizi bekliyor. Duyarlılık analizi şu soruya yanıt veriyor: "Elimdeki bu örneklemle hangi büyüklükteki bir etkiyi saptayabilirim?"

Örneğin 120 hastalık bir kayda (iki grupta 60'ar hasta) ulaşabiliyorsanız, α = 0,05 ve %80 güç için duyarlılık analizi "bu örneklemle yaklaşık Cohen's d = 0,51 ve üzerindeki etkileri saptayabilirsiniz" sonucunu veriyor. Daha küçük etkiler bu örneklemin gücünün altında kalıyor. Etik kurul dosyasında ve makale yönteminde "mevcut kayıtların duyarlılık analiziyle değerlendirildiğini" ve saptanabilir en küçük etki büyüklüğünü belirtmek, örneklemin neden bu boyutta olduğunu şeffaf biçimde açıklıyor.

Ne zaman %80 değil %90 güç gerekir?

Standart güç eşiği %80. Ancak bazı durumlarda %90 hatta %95 hedefleniyor: Faz III ilaç çalışmalarında yatırım büyük ve yanlış negatif sonucun bedeli yüksek; cerrahi girişim araştırmalarında hastaya invaziv müdahale yapıldığı için yetersiz güçle çalışmak etik olarak sorunlu; beklenen etkinin küçük olduğu çalışmalarda farkı kaçırma olasılığını en aza indirmek gerekiyor; regülatör başvurularda ise FDA ve EMA pivotal çalışmalarda %90 gücü bekliyor.

Bunun bir maliyeti var: hedef güç yükseldikçe gereken örneklem hızla büyüyor.

Yani %90 güç her zaman "daha iyi" değil; ek katılımcının maliyeti ve erişilebilirliği ile kaçırma riskini azaltmanın getirisi birlikte tartılmalı. Bu denge, çalışmanın türüne ve etkinin klinik önemine göre değişiyor.

Güç analizi nasıl yapılır? (kısa özet)

Güç analizi için üç bilgi yeterli: beklenen etki büyüklüğü, alfa düzeyi (genellikle 0,05) ve hedef güç (genellikle 0,80). Bu üç parametre yazılıma girildiğinde gereken örneklem büyüklüğü hesaplanıyor.

Etki büyüklüğü üç kaynaktan geliyor: literatürden (benzer çalışmaların meta-analizleri veya bireysel sonuçları), pilot çalışmadan (küçük örneklemli ön veriler — muhafazakâr yorumlanmak kaydıyla) ve klinik olarak anlamlı en küçük farktan (MCID, yani "benim için ne kadarlık bir fark önemli?" sorusunun yanıtı). Temel testler için ücretsiz G*Power, karmaşık tasarımlar için R veya PASS iş görüyor; G*Power adım adım rehberimizde pratik kullanımı, güç analizi yazılım karşılaştırması yazımızda ise seçenekleri değerlendirdik. Raporlamada kullanılan yazılım ve sürümü, test türü, etki büyüklüğü ve kaynağı, alfa ve güç değerleri, hesaplanan örneklem ile kayıp oranına göre düzeltilmiş örneklemin hepsi protokolde ve makalede yer almalı.

Sık yapılan hatalar

Veriyi toplayıp sonra güç analizi yapmak. Bu post hoc güç analizidir ve metodolojik değeri çok sınırlı; p değeriyle doğrudan ilişkili olduğu için döngüsel bir argümana dönüşüyor. Güç analizi veri toplanmadan önce yapılmalı; ayrıntıyı post-hoc güç analizi yazımızda ele aldık.

Pilot çalışmadan çıkan etkiye kesin gözüyle bakmak. Küçük pilotlar (n = 10-15) kararlı bir etki tahmini vermiyor; güven aralığı çok geniş oluyor. Pilottan gelen d = 0,9, gerçekte 0,4 olabilir — bu yüzden muhafazakâr yorum şart.

"Ne kadar çok örneklem o kadar iyi" varsaymak. Gereğinden büyük örneklem hem kaynak israfı yaratıyor hem de etik açıdan sorunlu; ayrıca çok büyük örneklemde önemsiz küçük farklar bile "anlamlı" çıkarak yorumu zorlaştırıyor.

Alfayı düşünmeden 0,05 kullanmak. Çoklu karşılaştırma yapıyorsanız (örneğin 10 alt grup analizi), Bonferroni veya FDR düzeltmesi gerekiyor; aksi halde şans eseri anlamlı sonuçlar ortaya çıkabiliyor ve güç analizinde de düzeltilmiş alfa kullanılmalı.

Model İstatistik olarak güç analizi sürecinde araştırmacılara etik kurul dosyasının hazırlığından makale raporlamasına, yazılım seçiminden etki büyüklüğü tahminine kadar her aşamada rehberlik ediyoruz. Güç analizi çalışmanın temelini oluşturuyor; başında ayrılan birkaç saat, ilerleyen aylarda çıkabilecek pek çok sorunu baştan gideriyor.

Not: Buradaki örneklem ve güç değerleri iki yönlü test için tipik değerlerdir (G*Power çıktılarıyla uyumlu) ve tasarıma göre az miktarda değişebilir. Kesin planlama G*Power veya R gibi araçlarla, çalışmanın kendi tasarımı üzerinden yapılır.

Kullanılan kaynaklar

• Cohen J. Statistical Power Analysis for the Behavioral Sciences. 2. baskı. Hillsdale, NJ: Lawrence Erlbaum; 1988.
• Schulz KF, Altman DG, Moher D; CONSORT Group. CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials. BMJ. 2010;340:c332. · DOI
• von Elm E, Altman DG, Egger M, ve ark. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement. Lancet. 2007;370(9596):1453-1457. · DOI