このモノグラフの読者の多くは、なぜ統計的検出力の章が含まれているのか不思議に思うかもしれない。 結局のところ，今となっては検出力の問題は多くの点で平凡なものとなっています。 統計的検出力が研究の中心的な検討事項であることは誰もが知っていますし、国立薬物乱用研究所の助成対象者や助成対象予定者のほとんどが、研究提案書に検出力分析を盛り込むことの重要性を理解しているのは確かです。 しかし、実際には、予防研究者が検出力に十分な注意を払っていないことを示す十分な証拠がある。 もしそうであれば、Hansen (1992)が最近の予防関連文献のレビューで観察したような結果は出てこなかっただろう。 Hansen (1992)は、縦断的に追跡した46のコホートに基づいて、試験後の被験者の年齢と被験者数からノンパラメトリックな仮定を用いて、統計的検出力を検討した。 この分析の結果、治療群と対照群の間の差を検出するために80％の検出力を得るためには、テスト後の群間差が少なくとも8％（最良の研究において）、最大で16％（最も弱い研究において）である必要があることが示された。 試験前の変化における群間差の検出力80％を達成するためには、46コホート中22コホートで、試験前の相対的な減少率が100％以上であることが必要であった。 46のコホートのうち33のコホートでは、物質使用量の50％の相対的減少を検出するための検出力が50％未満であった。 これらの結果は、広範な研究テーマで同様の検出力不足を示した他のレビュー結果（例えば、Lipsey 1990）と一致する。 このように、研究者は統計的検出力の重要性（特に研究提案の際に計算する必要性）を認識しているにもかかわらず、完成した研究においてなぜか十分な検出力を得ることができないでいるようです。 本章では、多くの予防研究で十分な検出力が得られないのは、検出力を高める唯一の方法、あるいは最良の方法として、サンプルサイズ（N）を過度に重視したためであると論じている。 このような過度の強調がどのように行われたかは、容易に理解できる。 サンプルサイズは操作が簡単で、検出力と単純に関連するという利点があり、財政や被験者の都合による制限を除けば、通常は研究者の直接的な管理下にある。 検出力を高めるもう一つの方法は、仮説検定に用いるアルファ値を大きくすることですが、従来の0.05よりはるかに大きな有意水準を真剣に検討する研究者はほとんどいないため、この方法はめったに使われることはありません。 もちろん、サンプルサイズは重要であり、本章の著者は、研究者がサンプルサイズを慎重に選択することをやめることを推奨しているわけではありません。 むしろ、研究者は検出力を高めるためにNを大きくすることだけにとらわれるべきではないと主張しているのです。 最初のサンプルサイズが十分であることを確認する以上に、検出力を維持・向上させるための追加措置をとることが重要なのです。 著者らは、2つの一般的な戦略を推奨している。 1つは、有効な初期標本サイズを維持することで、検出力が不必要に失われないようにすることです。 もう1つは、統計的検出力を決定する第3の要因である「効果量」を最大化するための方策をとることである。