Wielu czytelników tej monografii może się zastanawiać, dlaczego rozdział o mocy statystycznej został włączony. Przecież do tej pory kwestia mocy statystycznej jest pod wieloma względami prozaiczna. Każdy wie, że moc statystyczna jest głównym czynnikiem badawczym, a z pewnością większość stypendystów National Institute on Drug Abuse lub potencjalnych stypendystów rozumie znaczenie włączenia analizy mocy do wniosków badawczych. Istnieją jednak liczne dowody na to, że w praktyce badacze zajmujący się profilaktyką nie zwracają wystarczającej uwagi na moc statystyczną. Gdyby tak było, ustalenia zaobserwowane przez Hansena (1992) w niedawnym przeglądzie literatury dotyczącej profilaktyki nie pojawiłyby się. Hansen (1992) zbadał moc statystyczną na podstawie 46 kohort badanych wzdłuż i wszerz, stosując założenia nieparametryczne, biorąc pod uwagę wiek badanych w momencie posttestu i liczbę badanych. Wyniki tej analizy wskazały, że aby badanie osiągnęło 80-procentową moc wykrywania różnic między grupą leczoną a kontrolną, różnica między grupami w posttest musiałaby wynosić co najmniej 8 procent (w najlepszych badaniach) i aż 16 procent (w najsłabszych badaniach). Aby badanie osiągnęło 80-procentową moc wykrywania różnic między grupami w zmianach przed badaniem, w 22 z 46 kohort konieczne byłoby uzyskanie względnej redukcji przed badaniem o więcej niż 100 procent. Trzydzieści trzy z 46 kohort miały moc mniejszą niż 50 procent, aby wykryć 50-procentową względną redukcję używania substancji. Wyniki te są zgodne z wynikami innych przeglądów (np. Lipsey 1990), które wykazały podobny brak mocy w szerokim zakresie tematów badawczych. Wydaje się więc, że chociaż badacze są świadomi znaczenia mocy statystycznej (zwłaszcza konieczności jej obliczania przy proponowaniu badań), w jakiś sposób nie udaje im się uzyskać odpowiedniej mocy w ukończonych przez siebie badaniach. W tym rozdziale argumentuje się, że niepowodzenie wielu badań profilaktycznych w utrzymaniu odpowiedniej mocy statystycznej wynika z nadmiernego nacisku na wielkość próby (N) jako jedyny, a nawet najlepszy sposób na zwiększenie mocy statystycznej. Łatwo jest dostrzec, jak doszło do tego nadmiernego nacisku. Wielkość próby jest łatwa do manipulowania, ma tę zaletę, że jest powiązana z mocą w prosty sposób i zazwyczaj znajduje się pod bezpośrednią kontrolą badacza, z wyjątkiem ograniczeń narzuconych przez finanse lub dostępność podmiotu. Inną możliwością zwiększenia mocy jest zwiększenie alfy używanej do testowania hipotez, ale ponieważ bardzo niewielu badaczy poważnie rozważa poziomy istotności znacznie większe niż tradycyjne .05, strategia ta jest rzadko stosowana. Oczywiście, liczebność próby jest ważna i autorzy tego rozdziału nie zalecają, aby badacze przestali starannie dobierać liczebność próby. Twierdzą oni raczej, że badacze nie powinni ograniczać się do zwiększania N w celu zwiększenia mocy. Ważne jest, aby podjąć dodatkowe działania w celu utrzymania i poprawy mocy, poza upewnieniem się, że początkowa wielkość próby jest wystarczająca. Autorzy rekomendują dwie ogólne strategie. Jedna strategia polega na próbie utrzymania efektywnej początkowej liczebności próby, tak aby niepotrzebnie nie tracić mocy. Druga strategia polega na podjęciu działań w celu maksymalizacji trzeciego czynnika, który określa moc statystyczną: wielkości efektu.