效应大小：首先，确定试验所期望检测到的效应大小，即医疗器械对目标指标的预期影响。

显著水平：选择显著水平（如α=0.05），表示允许拒绝零假设的概率。

统计功效：确定试验的统计功效（如β=0.2，即1-β=0.8），即试验有多大的能力检测到真实的效应，避免漏诊。

根据预期的效应大小、显著水平和统计功效，使用统计学方法计算样本大小。这通常涉及到统计软件的使用，以确定小的样本量要求。

在计算样本大小时，需要考虑到可能的丢失数据和中途退出的情况。为了弥补潜在的缺失，可能需要增加样本量。

选择合适的试验设计（如随机对照试验、非随机试验或单臂试验），不同的设计可能需要不同的样本大小计算方法。

确定适当的数据分析方法，包括假设检验、回归分析、生存分析等，以评估医疗器械的安全性和有效性。

样本量应足够大，以得出科学上可靠的结论，同时避免不必要的受试者风险。

考虑受试者招募和试验执行的实际可行性，确保所计划的样本量在现实中可以达到。

在具体的临床试验中，样本量的大小会根据医疗器械的类型、预期用途、目标人群、疾病严重程度等因素而有所不同。

例如，对于某些体外诊断试剂的临床试验，FDA可能要求总样本数至少为几百到几千例不等（如参考文章3中提到的体外诊断检测试剂临床试验样本量要求）。

对于药物的临床试验，不同阶段的样本量也有所不同。例如，Ⅰ期临床试验的样本量通常在几十例左右，而Ⅲ期临床试验的样本量可能达到几百到几千例（如参考文章4中提到的药物临床试验的样本量）。