Hur stor är studien?

Hur många som undersökts i en studie kan spela roll. Det gäller särskilt om man vill kunna säga något som också stämmer för fler – till exempel andra människor, andra skolor eller andra platser än just de som studerats.

För att förklara varför en stor studie oftast säger mer än en liten kan vi ta fåglar som exempel:

Ju fler du ser – desto större chans att upptäcka nåt

Låt säga att du vill ta reda på om fåglar kan hoppa. Du ligger i hängmattan och studerar fåglarna i träden ovanför dig. Du ser ingen fågel som hoppar och drar därför slutsatsen att fåglar inte hoppar. Men om du hade rest på dig, backat och tittat på fler träd, är chansen stor att du hade upptäckt fler fåglar – och kanske sett några som hoppar. Ju större studie, desto större chans att upptäcka även sådant som är ovanligt.

Mindre risk att slumpen påverkar

Att studera många objekt gör också att det är mindre risk att slumpen påverkar resultatet. Om du studerar tio fåglar och det råkar vara så att tre inte hoppar just då (en har kanske skadat sig, en är sjuk, en har inte lärt sig), kan du riskera att dra fel slutsatser (”3 av 10 fåglar kan inte hoppa”). I en större studie är det lättare att förstå vad som är väldigt ovanligt och alltså inte har så stor betydelse.

Lättare att se mönster

Om man studerar många är det lättare att se mönster. Är det fler honfåglar än hanfåglar som hoppar? Hoppar fåglar bara i vissa situationer? Finns det skillnad i hoppförmåga beroende på fåglarnas ålder?

Resultatet gäller fler än de som undersökts

Det är större chans att resultatet från en stor studie säger något även om dem som inte varit med i studien. Ju fler fåglar du observerar, desto säkrare kan du vara på att det du upptäckt inte bara gäller just de fåglar du såg, utan faktiskt gäller för fåglar i allmänhet. Om du bara studerar några få fåglar kan det vara en slump att alla du sett har hoppat. Den risken minskar om du studerar många.

Är små studier dåliga?

Stora studier är ofta bättre för att se mönster och upptäcka sådant som är ovanligt – men ibland behövs det mindre studier.

Små studier kan vara bra när man vill:

Testa en idé
Säg att du undrar om fåglar kan hoppa olika långt beroende på vad de har ätit. Då kan en liten studie räcka för att få en första bild av om din idé är värd att undersöka vidare.
Studera en grupp som är liten från början
Kanske undersöker du en sällsynt fågelart som bara finns på en ö. Syftet är att få kunskap om just den gruppen, inte om fåglar i allmänhet. Det spelar ingen roll att gruppen är liten – du får ändå veta något om hela arten.
Få fördjupad kunskap
Om du vill förstå en fågels beteende generellt – varför den hoppar och hur den använder sina vingar och ben, vilka underlag den hoppar från, vilka avstånd den föredrar och när den väljer att hoppa respektive flyga – behöver du samla in mycket information. Det gör det svårt att studera många och därför passar en mindre studie bättre.

När man vill veta om en behandling eller ett läkemedel fungerar behövs stora studier.

Därför måste mediciner testas på många

När forskare undersöker effekter av en ny medicin är det jätteviktigt att testa den på många människor. Här är syftet att kunna säga något om hur medicinen fungerar för de flesta – och då krävs många deltagare.

Ju större studie desto …

… lättare att se effekt av medicinen

När en medicin testas på många människor är det större chans att se effekter av medicinen, även om effekten är liten.
… större chans att resultatet gäller fler

Från en stor grupp människor får forskarna mer data. Det gör att de lättare kan avgöra om det de ser i studien också gäller för andra – alltså att medicinen fungerar på liknande sätt även för människor som inte var med i studien.
… mindre risk att slumpen påverkar

I en liten grupp får ovanliga reaktioner stor påverkan.

Exempel: Om tio personer studeras och tre får huvudvärk kan forskarna tro att det beror på medicinen – men kanske fick de tre försökspersonerna huvudvärk av en helt annan anledning. I en större grupp märks inte ”slumpmässiga händelser” lika mycket.
… mer representativt resultat

Om medicinen ges till 1 000 personer och fungerar för 900 av dem är det troligt att den fungerar för många fler. Resultatet blir representativt och generaliserbart (det vill säga medicinen kommer antagligen att fungera likadant för de allra flesta). Om medicinen testas på 10 personer och fungerar för 9 av dem kan man inte vara lika säker på att den fungerar för alla. Kanske var det något särskilt med de 9 personerna som gjorde att medicinen fungerade, eller så blev de friska av andra skäl.
… lättare att upptäcka det ovanliga

I en studie med många människor kan man upptäcka ovanliga effekter, sådant som händer sällan, som kanske inte skulle märkas om man bara gav medicinen till några få. Stora studier behövs för att till exempel upptäcka sällsynta biverkningar.