近年来人工智能，预测模型的标书是一大热点。
预测模型主要是基于队列研究（前瞻或者回顾性的队列）。在标书撰写中，样本量计算是一个非常重要的部分。
下面介绍一下样本量计算，该样本量计算方法适用于探索危险因素研究、建立预测模型、队列研究，同时包含交叉验证/boostrap验证。
样本量计算（交叉验证）
建立预测模型时，建议所需的样本量应为拟分析因素总量的10倍到20倍，本研究预计纳入模型的因素约为20个，按拟分析因素总量的20倍进行样本量计算，应至少入选20*20=400例发生结局的患者。根据文献报道的结局的发生率约为20%，400/20%=2000人，则预估应纳入2000例患者，随机抽取70%的患者（即N=1400）用于建立预测模型，另外30%的患者（即N=600）对模型进行验证。
样本量计算（boostrap验证）
建立预测模型时，建议所需的样本量应为拟分析因素总量的10倍到20倍，本试验预计纳入模型的因素约为20个，按拟分析因素总量的20倍进行样本量计算，应至少入选20*20=400例发生结局的患者。根据文献报道的结局的发生率约为20%，400/20%=2000人，则预估应纳入2000例患者，采用bootstrap自主抽样的方法，有回放地抽取2000次，对模型进行验证。
