研究概要：
一次元のバイオメカニクスデータ解析に関しては、近年いくつかの統計的手法の発展が見られるものの、この種のデータに対する統計的検出力解析およびサンプルサイズ設計については、十分に検討されていない。近年の研究論文では、サンプルサイズ推定において単純かつ古典的な手法が用いられることが多いが、最近の統計学的報告によれば、このアプローチは必要なサンプルサイズを大幅に過小評価する可能性があることが示されている。さらに、一次元バイオメカニクスデータを扱う研究において、サンプルサイズ推定の計画、実施、報告を支援するためのガイドラインは、現在のところ存在しない。本研究では、(1) 真の一次元効果の2種類のパターン、(2) 6種類の異なる局所的・関数的推論手法、(3) 複数の異なるノイズ特性を含む数値シミュレーションを実施した。各シミュレーション条件において、統計的検出力0.8を達成するために必要なサンプルサイズを算出した。その結果、サンプルサイズは上記3要因すべてに強く依存し、適切なサンプルサイズは6から60を超える範囲に及ぶことが示された。これらの結果は、一次元の関数データを含むバイオメカニクス研究において妥当な推論を行うためには、適切なサンプルサイズ計画と推論手法の選択が重要であることを強調している。本研究の知見に基づき、研究デザインの構想段階から結果の報告に至るまで、研究者が従うべきガイドラインを提示する。さらに、さまざまな一次元信号およびノイズ条件に対して、事前の検出力解析およびサンプルサイズ計算を行うためのインタラクティブなアプリケーション（https://github.com/mr-seydi/PowerShinyApp）を開発した。