看護の研究に大きなサンプルを使用する方法

看護調査を実施するときは、研究時間、患者の努力、サポートコストを無駄にしないように、サンプル集団を慎重に選択します。理想的には、臨床試験は、患者の一次転帰の最小の違いを確実に検出するのに十分な大きさでなければなりません。大規模なサンプルで作業するときは、研究対象の母集団を特異的に定義する選択基準を利用してください。同様に、除外基準を利用して、リソースを不適切に割り当てたり、被験者を傷つけたりしないようにします。最後に、特に大規模なサンプルは、時間と予算の制約の下で勉強することは不可能です。そのような場合、サンプルのサブセットを選ぶことができます。

<ヘッダー>

必要なもの

• 包含基準
• 除外基準

もっと見せてください

手順

1. • 1

     大きなサンプルには、包含基準として知られている臨床的特徴があることを確認してください。研究を完了する必要があります。多くの場合、年齢は重要な要因です。たとえば、人口で薬物をテストする場合、30代の女性に焦点を合わせることを選択することができます。これは、30代の女性で最も高く、他の年齢層では顕著ではないと考えています。または、サンプルサイズが本当に大きい場合は、さまざまな年齢層をテストし、各年齢層について統計的に重要な結論を導き出すことができます。

   • 2

     同様に、サンプルから得た研究結果が、より大きな母集団、つまり2種類の包含基準に並置される可能性があることを確認してください。より大きなサンプルを使用すると、結果が一般集団を説明する可能性が高いことを示唆しているように思われるかもしれません。ただし、被験者をどのように見つけたかを考えてください。あなたの病院の患者は、利用可能で安価な被験者の源である場合があります。ただし、病院の地元の患者または患者の特性は、他の集団への一般化の結果を妨げる可能性があります。単一の行動方針は明らかに正しいか間違っているか、科学的目標と実用的な目標の間のトレードオフを含む選択をする必要があるかもしれません。

   • 3

     除外基準を確立します。言い換えれば、フォローアップの努力、データの品質、またはランダム化治療の受容性の成功を妨げる可能性のある特定の特性のためではないにしても、あなたの選択基準に適合する個人の個人のサブセットを特定します。たとえば、患者がアルコール依存症または州外への移動を計画している場合、彼とのフォローアップ試験を実施するのは難しいかもしれません。さらに、患者が脳卒中の病歴を持っている場合、研究の結果として副作用を経験する可能性があります。

   • 4

     サンプルが大きすぎて、すべての被験者が時間と予算の制約を把握できない場合は、サンプルのサブセットを選択します。サブセットをランダムに選択することを含む確率サンプリングは、研究結果の適用性を母集団全体に一般化するための厳密な根拠を提供します。研究者は、多くの場合、エントリー基準を満たし、調査員が簡単にアクセスできる人を使用することを伴う利便性サンプリングを使用します。利便性サンプリングには、コストとロジスティクスの点で明らかな利点があります。ただし、便利なサンプリングを使用して、まだ手元の科学的な質問に確実に答えることができるかどうかを判断します。