用途：为临床试验论证样本量，计算在给定显著性α与检验效能1-β下检测预设替代效应δ所需的n，覆盖连续、二分类和生存（时间-事件）终点，以及优效、非劣效、等效设计，并考虑脱落、多重性与分层。
主要能力：区分δ（试验有功效检测的效应）与MCID（最小临床重要差异），提示优效δ≥1.5×MCID、非劣效M2≤0.5×MCID的经验规则；给出两样本t检验、Fleiss比例、Schoenfeld生存、Lakatos非比例风险、TOST等效、非劣效固定边际与合成、成组序贯、样本量再估计、整群随机等方法的公式、软件与失效条件。
使用方式：Python用statsmodels.stats.power（如tt_ind_solve_power）与scipy、numpy、pandas；R用pwr、gsDesign、gsDesign2、rpact、presize、npsurvSS、nph、simtrial等。示例含Schoenfeld事件数公式、TOST与交叉设计样本量函数、PowerTOST::sampleN.TOST等。使用前需核对版本（pip show、packageVersion），若报ImportError/AttributeError/TypeError应内省实际API而非重试。
适用场景：优效/非劣效/等效试验、生物等效性（80-125%规则）、免疫肿瘤等非比例风险、整群随机、成组序贯与再估计。
限制：Schoenfeld假设比例风险，非比例风险下会低估20-50%；非劣效依赖恒定性假设，无试验内I类错误保证；小样本（n<100/臂）连续性校正存在争议；高变异药物需SABE/ABEL。具体价格、平台与效果资料暂未提供。