📍 Khái niệm cốt lõi: Mẫu càng lớn, ước lượng càng chính xác
Hãy tưởng tượng bạn có một cái bể chứa đầy cá — nhưng bạn không biết trong đó có bao nhiêu con. Cách duy nhất để ước lượng là thả lưới. Nếu bạn thả lưới 5 lần, mỗi lần bắt được 3-7 con — bạn có dám nói "trung bình bể này có 5 con" không? Rõ ràng là không — 5 lần không đủ. Nhưng nếu bạn thả lưới 100 lần và trung bình bắt được 5.2 con/lần, với độ lệch chuẩn 1.5 — thì ước lượng của bạn đã đáng tin cậy hơn nhiều.
Đây chính là bản chất của cỡ mẫu (sample size) trong nghiên cứu y học. Một nghiên cứu quá nhỏ cũng giống như thả lưới 5 lần — không thể đưa ra kết luận đáng tin cậy. Một nghiên cứu quá lớn cũng giống như thả lưới 10.000 lần — chính xác nhưng tốn kém và lãng phí. Câu hỏi đặt ra: Cần thả lưới bao nhiêu lần để biết chắc chắn trong bể có bao nhiêu cá?
🐟 Câu chuyện "Thả lưới 5 lần vs 100 lần"
Ông Năm là một ngư dân giàu kinh nghiệm. Một hôm, có người đến hỏi mua bể cá của ông. Người mua muốn biết bể có bao nhiêu cá để trả giá. Ông Năm thả lưới 5 lần: 3, 5, 7, 4, 6 con. "Trung bình 5 con," ông nói. Người mua trả giá cho 5 con cá. Ông Năm cười — thực ra bể có 500 con cá!
Người mua đã mắc sai lầm: mẫu quá nhỏ (n=5) không thể ước lượng quần thể 500 con. Tương tự, trong y học: nếu bạn thử thuốc trên 10 bệnh nhân và thấy 9 người khỏi, bạn có dám kết luận thuốc hiệu quả 90% không? Chưa chắc — có thể 9 người đó tình cờ khỏi bệnh, và nếu thử trên 1000 người, tỷ lệ khỏi chỉ là 20%.
Cỡ mẫu trong nghiên cứu y học là câu trả lời cho câu hỏi: "Cần bao nhiêu bệnh nhân để tôi có thể tin tưởng vào kết quả nghiên cứu của mình?" Nó phụ thuộc vào: (1) khác biệt bạn muốn phát hiện (càng nhỏ càng cần nhiều bệnh nhân), (2) độ biến thiên của dữ liệu (càng lớn càng cần nhiều bệnh nhân), (3) mức độ chắc chắn bạn muốn (càng chắc chắn càng cần nhiều bệnh nhân), và (4) sức mạnh thống kê mong muốn (thường là 80% hoặc 90%).
📚 Cửa sổ học thuật — Lịch sử: Tại sao power 80% là tiêu chuẩn? Giống như α = 0.05, power = 80% (β = 0.20) là một quy ước do nhà thống kê học Jacob Cohen đề xuất trong cuốn "Statistical Power Analysis for the Behavioral Sciences" (1969). Cohen cho rằng tỷ lệ 4:1 giữa sai lầm loại I và loại II (α:β = 0.05:0.20) là "hợp lý" — không có lý do toán học hay sinh học sâu xa. Tuy nhiên, trong một số lĩnh vực, power được yêu cầu cao hơn: thử nghiệm thuốc ung thư giai đoạn cuối thường yêu cầu power ≥ 90% (β = 0.10), vì bỏ sót một thuốc có hiệu quả (sai lầm loại II) có nghĩa là hàng ngàn bệnh nhân mất cơ hội sống.
Tại sao vấn đề cỡ mẫu lại VÔ CÙNG quan trọng? Bởi vì một nghiên cứu quá nhỏ là không nên - không đủ hàm lượng thông tin: bạn đã yêu cầu bệnh nhân dành thời gian, có thể chịu tác dụng phụ, nhưng kết quả lại không đủ mạnh để đưa ra kết luận có ý nghĩa — đó là sự lãng phí nguồn lực và sự tin tưởng của bệnh nhân. Ngược lại, một nghiên cứu quá lớn cũng không tốt vì đã tiêu tốn quá nhiều tài nguyên - thời gian và người bệnh : bạn đang đưa nhiều bệnh nhân hơn cần thiết vào nhóm giả dược hoặc nhóm điều trị kém hơn.
