用途：在数据收集前估算研究所需患者或病例数，服务于功效分析与伦理审查论证。技能通过逐题决策树，根据主要结局类型（二分类、连续、生存时间、一致性、诊断准确度等）选择合适检验，再读取对应公式参数表进行计算。
主要能力：覆盖 1–17 号检验，包括诊断准确度精度、ICC/Kappa 一致性、两比例与 McNemar、t 检验与方差分析、Log-rank 生存分析、Logistic 回归 EPV、非劣效/等效、Cox EPV，以及预测模型开发（Riley）、外部验证、MRMC 阅读者研究、分割指标精度、模型间比较和分割可用性等专门设计。对回顾性研究提供固定样本提取、机构经验法与既往研究依据三种论证路径，并支持敏感性分析。
使用方式：先由用户描述研究设计与主要结局，走决策树并确认检验；收集参数时解释含义并提供默认值，效应量优先取自文献或预实验；随后依据参考公式生成 R（主，经 Bash 运行取输出值）与 Python（备选）脚本，按指定报告格式输出设计摘要、参数表、结果、可复现代码、IRB 论证文本与效应量解读。项目中可将文本存为 protocol/sample_size_justification.md，脚本存为 .R/.py。
适用场景：临床研究、影像与医疗 AI 研究的样本量论证与 IRB 材料撰写。
限制：不计算自适应试验、整群随机试验、贝叶斯样本量、交叉设计与多终点校正，此类需求建议改用 G*Power（免费，https://www.psychologie.hhu.de/gpower）、PASS 或咨询生物统计学家。来源未提供具体收费与价格信息。