Powering Nutrition Research: Practical Strategies for Sample Size in Multiple Regression
Notice bibliographique
Résumé
Robust statistical analysis is essential for advancing evidence-based nutrition research, particularly when investigating the complex relationships between dietary exposure and health outcomes. Multiple regression is a widely used analytical technique in nutrition studies due to its ability to control for confounding variables and assess multiple predictors simultaneously. However, the reliability, validity, and generalizability of findings from regression analyses depend heavily on having an appropriate sample size. Despite its importance, many published nutrition studies do not include formal sample size justifications or power calculations, leading to a high risk of Type II errors and reduced interpretability of results. This methodological review examines three commonly used approaches to sample size determination in multiple regression analysis: the rule of thumb, variance explained (R2) method, and beta weights approach. Using a consistent hypothetical example, rather than empirical data, this paper illustrates how sample size recommendations can differ depending on the selected approach, highlighting the advantages, assumptions, and limitations of each. This review is intended as an educational resource to support methodological planning for applied researchers rather than to provide new empirical findings. The aim is to equip nutrition researchers with practical tools to optimize sample size decisions based on their study design, research objectives, and desired power. The rule of thumb offers a simple and conservative starting point, while the R2 method ties sample size to anticipated model performance. The beta weights approach allows for more granular planning based on the smallest effect of interest, offering the highest precision but requiring more detailed assumptions. By encouraging more rigorous and transparent sample size planning, this paper contributes to improving the reproducibility and interpretability of quantitative nutrition research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,511 | 0,795 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,011 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».