Monet tämän monografian lukijat saattavat ihmetellä, miksi tilastollista tehoa koskeva luku on sisällytetty. Loppujen lopuksi kysymys tilastollisesta tehosta on nykyään monessa suhteessa arkipäiväinen. Kaikki tietävät, että tilastollinen teho on keskeinen tutkimuskysymys, ja varmasti useimmat National Institute on Drug Abuse -instituutin apurahansaajat tai mahdolliset apurahansaajat ymmärtävät, miten tärkeää on sisällyttää tehoanalyysi tutkimusehdotuksiin. On kuitenkin runsaasti näyttöä siitä, että käytännössä ehkäisytyön tutkijat eivät kiinnitä riittävästi huomiota tilastolliseen tehoon. Jos näin tehtäisiin, Hansenin (1992) äskettäisessä ehkäisytoimintaa käsittelevässä kirjallisuuskatsauksessa tekemät havainnot eivät olisi tulleet esiin. Hansen (1992) tarkasteli tilastollista tehoa 46 pitkittäisseurantaan perustuvan kohortin perusteella käyttäen ei-parametrisia oletuksia, kun otetaan huomioon koehenkilöiden ikä testin jälkeen ja koehenkilöiden lukumäärä. Analyysin tulokset osoittivat, että jotta tutkimus saavuttaisi 80 prosentin tehon havaita eroja hoito- ja kontrolliryhmien välillä, ryhmien välisen eron jälkitestissä olisi oltava vähintään 8 prosenttia (parhaissa tutkimuksissa) ja jopa 16 prosenttia (heikoimmissa tutkimuksissa). Jotta tutkimus saavuttaisi 80 prosentin tehon havaita ryhmien väliset erot ennen jälkihoitoa tapahtuneessa muutoksessa, 46 kohortista 22:n olisi pitänyt saada yli 100 prosentin suhteellinen vähennys ennen jälkihoitoa. Kolmellakymmenelläkolmella tutkimuskohortilla 46 kohortista oli alle 50 prosentin teho havaita 50 prosentin suhteellinen vähennys päihteidenkäytössä. Nämä tulokset ovat yhdenmukaisia muiden katsausten tulosten kanssa (esim. Lipsey 1990), jotka ovat osoittaneet samanlaista tehon puutetta monenlaisissa tutkimusaiheissa. Vaikuttaa siis siltä, että vaikka tutkijat ovat tietoisia tilastollisen tehon merkityksestä (erityisesti siitä, että se on laskettava tutkimusta ehdotettaessa), he eivät jotenkin onnistu saavuttamaan riittävää tehoa valmiissa tutkimuksissaan. Tässä luvussa väitetään, että monien ennaltaehkäisytutkimusten epäonnistuminen riittävän tilastollisen tehon ylläpitämisessä johtuu siitä, että otoskokoa (N) pidetään liian suurena ainoana tai jopa parhaana tapana lisätä tilastollista tehoa. On helppo nähdä, miten tämä ylikorostaminen on saanut alkunsa. Otoskokoa on helppo manipuloida, sen etuna on, että se on suoraviivaisesti yhteydessä tehoon, ja se on yleensä tutkijan suorassa hallinnassa, lukuun ottamatta taloudellisten rajoitusten tai koehenkilöiden saatavuuden asettamia rajoituksia. Toinen vaihtoehto tehon lisäämiseksi on hypoteesin testauksessa käytettävän alfan suurentaminen, mutta koska hyvin harvat tutkijat harkitsevat vakavasti paljon perinteistä 0,05:tä suurempia merkitsevyystasoja, tätä strategiaa käytetään harvoin. Otoskoko on tietenkin tärkeä, eivätkä tämän luvun kirjoittajat suosittele, että tutkijat lakkaisivat valitsemasta otoskokoja huolellisesti. Pikemminkin he väittävät, että tutkijoiden ei pitäisi tyytyä kasvattamaan N:ää tehon lisäämiseksi. On tärkeää ryhtyä lisätoimenpiteisiin tehon ylläpitämiseksi ja parantamiseksi sen lisäksi, että varmistetaan, että alkuperäinen otoskoko on riittävä. Kirjoittajat suosittelevat kahta yleistä strategiaa. Toisessa strategiassa pyritään pitämään yllä tehokasta alkuperäistä otoskokoa, jotta tehoa ei menetettäisi tarpeettomasti. Toisessa strategiassa toteutetaan toimenpiteitä, joilla maksimoidaan kolmas tilastollisen tehon määrittävä tekijä: vaikutuskoko.