Ct Samplesize
临床试验样本量计算与检验效能工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Ct Samplesize。 它的用途是：临床试验样本量计算与检验效能工具 完整的 Skill 内容见：https://321skill.com/skills/ct-samplesize-x-4/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'我计划做一个优效性临床试验，两组平行对照，主要终点为二分类变量（有效率），预期对照组有效率40%，试验组55%，显著性水平0.025（单侧），检验效能0.9，每组需要多少样本？' 它会自动调用 R 包进行样本量计算，并返回结果和可复现的 R 代码。
介绍
在临床试验设计阶段，样本量估算和检验效能计算是决定试验成败的关键步骤，但复杂的统计公式、多样化的试验设计类型以及不同检验方法的选择，常让非统计专业的临床从业者感到棘手。本 Skill 将 20+ 个专业 R 统计包（如 rpact、gsDesign、TrialSize、PowerTOST 等）的能力封装为自然语言接口，让您无需手动编写代码即可完成 37 种常见检验的样本量和效能计算。
使用时，您只需用自然语言描述试验设计的关键参数，例如“三臂平行对照、连续型主要终点、效应量 0.5 倍标准差、显著性水平 0.05、检验效能 0.9”，Skill 会自动匹配最合适的 R 包并执行计算，返回结果的同时提供可复现的 R 代码，方便您记录和验证。默认输出英文，若操作系统为中文环境则会自动切换为中文界面。
本工具主要面向临床试验从业者，包括临床研究医生、生物统计师、医学监查员、CRO 项目管理人员等。同时，它也适合生物医学领域的研究生和高校教师，在课程教学或科研课题设计阶段快速验证样本量假设。对于统计基础较弱的用户，自然语言交互方式能大幅降低使用门槛。
使用建议：虽然工具自动调用多种 R 包，但建议用户对输出结果进行必要的临床合理性判断，特别是当试验设计涉及非标准假设（如复杂多重比较、非劣效界值自定义等）时，应结合统计专家的意见。此外，计算过程中依赖的 R 包版本可能影响结果，建议定期更新或锁定版本以确保可复现性。
核心特点
与 PASS、nQuery 等商业样本量软件相比，本 Skill 完全免费且通过自然语言交互，无需手动输入参数或编写 R 代码；同时支持 37 种检验类型，并能一键输出可复现的 R 代码，兼顾了易用性与可追溯性。
注意事项
不适合处理复杂自定义模型（如贝叶斯自适应设计、仿真模拟）或非标准试验设计（如交叉设计、序贯设计中的自定义边界）。
常见问题
支持哪些检验类型？
支持 37 种检验，包括常见 t 检验、卡方检验、Fisher 精确检验、生存分析 log-rank 检验、非劣效性检验、等效性检验等，具体可查看仓库文档。
如何导出计算过程和 R 代码？
在结果中会直接附上可复现的 R 代码，您可以直接复制运行，或要求 Skill 以文本形式单独输出代码。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/ct-samplesize-x-4/raw/index.md 读取 Ct Samplesize 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/ct-samplesize-x-4/raw/index.md（查看排版版本）