事前に述べられている場合、サンプルサイズを動的に増やしても大丈夫ですか？

私は、被験者内設計で、ある刺激のメリットと別の刺激のメリットに関する研究をしようとしています。研究の一部の順序効果（タスクタイプの順序、刺激の順序、タスクセットの順序）を減らすように設計された順列スキームがあります。置換スキームは、サンプルサイズを8で割り切れるように指定します。

サンプルサイズを決定するには、野心的な推測（私の分野では伝統的）を行うか、希望する検出力のサンプルサイズを計算する必要があります。問題は、私が観察しようとしているエフェクトサイズの大きさの手掛かりがほとんどないことです（これも私の分野では良い伝統です）。これは、電力計算が少し難しいことを意味します。一方で、サンプルサイズが小さすぎるか、参加者に多額のお金を払ってラボで時間を費やしすぎる可能性があるため、ワイルドな推測をするのも悪いかもしれません。

2つのp値のコリドーを残すまで、8人のバッチで参加者を追加することを前もって述べても大丈夫ですか？例：0,05 <p <0,30？または、他にどのようにお勧めしますか？

最初に、あなたの質問に直接答えるために：いいえ、あなたは重要なp値を得るまでただ続けることはできません。提案する設計のタイプIエラー率は5％を超えています。ただし、カットオフを調整する必要がある場合を除き、基本的な考え方は正しいです。実際、@ cardinalがコメントで言及したように、あなたの質問には研究分野全体があります：これらはシーケンシャル、またはグループシーケンシャル、またはより一般的には適応設計と呼ばれます（それらは同じものではありませんが、あなたのアイデアの行）。

C. Mehta、P。Gao、DL Bhatt、RA Harrington、S。Skerjanec、JH Ware Optimizing Trial Design：Sequential、Adaptive、およびEnrichment Strategies Circulation。2009; 119：597-605

さまざまなエフェクトサイズのパワーを検討することを検討しましたか？たとえば、私は度数を頻繁に曲線として計算し、グラフに焼き付けられた無数の潜在的なシナリオになり、そこでサンプルサイズを決定できます。たとえば、nullに非常に近い値から、私の最もワイルドな、ピアレビューの夢よりもわずかに高い値までの範囲の効果測定に必要なサンプルサイズを計算できます。

また、データについてどれだけ知らないかに応じて、他のシナリオをプロットすることもあります。たとえば、以下は、サンプルサイズではなく検出力を計算するプロットですが、それに似た概念があります。私はデータについてほとんど知らないので、生存分析のために10％のイベントレートを想定し、その後、多くの条件で研究の検出力（サンプルサイズは固定）を計算しました。

この場合、イベントの数を変更することもできます。これにより、複数のプロットまたは「パワーサーフェス」が表示されます。これは、サンプルサイズをオンザフライで変更するよりも、少なくともサンプルサイズを探す必要がある場所をよりすばやく取得する方法のようです。または、少なくとも、ユーザーの追加を停止できるしきい値を設定します。たとえば、計算によって1,000人が非常に小さなもの（ハザード比1.01など）の影響を確認できる場合、それをヒットすると、人を追加しようとするのをやめることができます。電源の問題ではなく、「そこには何もない」問題です。

電力計算を行うとき、私が通常尋ねる質問（これらの伝統もある私の分野で）は、「人々が気にするのに効果はどれほど大きくなければならないのか」という傾向があります。メソッドが0.1％改善されて「大幅に」改善された場合、誰も気にしませんか？0.01％の改善はいかがですか？