Bilimsel araştırmaların planlama aşamasında, araştırmacıların etik kurullara sunduğu dosyalarda en sık karşılaşılan ancak en zayıf açıklanan bölümlerden biri kuşkusuz örneklem büyüklüğünün belirlenmesidir. Araştırmacıların etik kurul formlarına “Literatürdeki benzer çalışmalara bakılarak 30 denek yeterli görülmüştür” veya “Zaman ve bütçe kısıtlılığı nedeniyle 30 denek seçilmiştir” veya “Danışman hocamız bu şekilde uygun gördü” gibi ifadeler yazması, günümüz bilimsel standartlarında artık kabul edilebilir bir gerekçe değildir. Peki, neden “30 denek” sayısı bir bilimsel efsaneye dönüştü ve bu yaklaşım neden artık bir metodolojik hata olarak görülüyor?
Tarihsel sürece baktığımızda, 30 sayısı istatistiksel literatürde merkezi limit teoremi ile ilişkilendirilen bir eşik değerdir. İstatistiksel olarak örneklem büyüklüğü 30 ve üzerine çıktığında, örneklem dağılımının normale yaklaştığı kabul edilir. Ancak bu, “her çalışmada 30 denek yeterlidir” anlamına gelmez. Bir çalışmanın gücünü belirleyen temel faktör, merkezi limit teoreminin varsayımı değil, çalışmanın tespit etmeye çalıştığı etki büyüklüğüdür. Eğer çalışmanızdaki gerçek etki büyüklüğü çok küçükse, 30 denekle bu etkiyi istatistiksel olarak anlamlı kılmanız imkansızdır. Bu durumda, 30 denekle yapılan bir çalışma, daha başlamadan başarısızlığa mahkum edilmiş demektir.
Etik kurullar, bir araştırmanın bilimsel geçerliliği ile etik sorumluluğunu birbirinden ayırmazlar. Eğer bir çalışma, örneklem büyüklüğü yetersiz olduğu için anlamlı bir sonuca ulaşamayacak kadar düşük güce sahipse (underpowered), bu çalışma etik açıdan da sorgulanmalıdır. Çünkü anlamlı bir sonuca ulaşamayacağı önceden tahmin edilebilen bir çalışma için canlı denekleri veya hasta verilerini riske atmak, bilimsel etik ilkeleriyle bağdaşmaz. Etik kurullar artık araştırmacılardan sadece “kaç kişi” ile çalışacaklarını değil, bu sayının hangi “etki büyüklüğü”, “alfa hata payı” ve “istatistiksel güç” parametreleri baz alınarak hesaplandığını kanıtlamalarını beklemektedir.
“Neden 30 denek?” sorusuna verilecek yanıt, bir kanaat değil, matematiksel bir zorunluluk olmalıdır. Örneklem büyüklüğü hesaplaması, çalışmanın tipine, kullanılacak istatistiksel testin türüne ve beklenen etkinin büyüklüğüne göre her seferinde yeniden kurgulanmalıdır. Örneğin, bir t-testi ile bir ANOVA tasarımı veya bir lojistik regresyon modeli için gereken denek sayısı birbirinden tamamen farklıdır. Birinde 15 kişi yeterli olurken, diğerinde aynı etkiyi yakalamak için 200 kişiye ihtiyaç duyulabilir. Bunu göz ardı edip her araştırmaya 30 sayısı ile yaklaşmak, istatistiksel körlüğe neden olur.
Araştırmacılar için en büyük risk, etik kurulun bu gerekçesiz yaklaşımı fark etmesi durumunda projenin reddedilmesi veya revizyon istenmesidir. Akademik dünyada saygın bir dergide yayın yapma hedefi olan bir araştırmacı, metodoloji bölümünde “tahmini 30 kişi” gibi bir ifade yerine, “G*Power/PWR yazılımı kullanılarak, 0.80 güç ve 0.05 anlamlılık düzeyinde, 0.50 etki büyüklüğünü tespit edebilmek için toplam 128 katılımcı hesaplanmıştır” gibi somut bir veri sunmalıdır. Bu, sadece etik kurulun onayını almak için değil, araştırmanın metodolojik kalitesini ve ciddiyetini kanıtlamak için de bir zorunluluktur.
Sonuç olarak, 30 denek klişesi, modern bilimsel metodolojinin gerisinde kalmış bir alışkanlıktır. Araştırmanızın sonucunun sadece “anlamlılık” (p değeri) arayışı değil, gerçekten gözlemlenebilir ve tekrarlanabilir bir etki üzerine kurulmasını istiyorsanız, sayılarınızı bir geleneğe göre değil, istatistiksel güce göre belirlemelisiniz. Bilimsel bir çalışmada örneklem büyüklüğü, araştırmacının bütçesine veya alışkanlıklarına değil, verinin kendi doğasına ve ölçmek istediğiniz olgunun büyüklüğüne göre şekillenmelidir. Unutmayın, etik kurul sadece deneklerin korunmasını değil, aynı zamanda yapılan çalışmanın bilimsel olarak anlamlı ve katma değerli olmasını da denetler. Güçlü bir metodolojik altyapı, hem etik kurul onayını hızlandırır hem de yayınınızın kabul şansını artırır.
