連続アウトカムに関するimprecisionの評価のための、最適情報量（Optimal information size: OIS）です。
GRADE初版の1.5-4章、GRADE2版の4.4-4.4.4章にその詳細を記載してあります。
また、トリプルX例を使っても、解説しました。（2h:血栓関連疼痛）
●連続アウトカムの場合；総サンプル数=400を基準
連続アウトカムのOISは、2値アウトカムと同様に、臨床上重要となる差はどれくらいか、各群の標準誤差はどれくらいか、有意水準と検出力をどれくらいにするかで、大きく変わってきます。効果サイズに関するCohenの基準[SD=0.2（小さな効果）、0.5（中等度の効果）、0.8（大きな効果）]を使ったOIS算定や研究内の平均と標準偏差を使ったOIS算定がありますが、GRADE working groupは、以下の基準を使うことを推奨しています。
|
連続アウトカムに関するOIS 算出には，αエラー（通常，0.05）とβエラー（通常，0.10〜 0.20），および効果サイズ（デルタ：Δ）と関連する研究からの適切な標準偏差 (SD) を設定する。通常のα (0.05) およびβ (0.20) の基準をした場合，小さな効果サイズは，総サンプル数として400 人が必要となる。 最小重要差（MID）がわかるならば、MIDを利用する。 |
計算の実際には、以下のサイトなどがあります（これら以外にも多くのフリーツールがあります）。
・http://biostat.mc.vanderbilt.edu/wiki/Main/PowerSampleSize
・http://www.stat.ubc.ca/~rollin/stats/ssize/n2.html
MIDの算出には、分布による方法（distribution-based method）と、アンカーによる方法（anchor-based method）がありますが、いずれもさまざまな課題があって、このために2値アウトカムに比べて結果の解釈においてばらつきが大きくなっています。SRにおける効果サイズにおいても、MIDを使って臨床的な意義を明確に記載しているものは少ないのが現状です。
２群比較において、どのような相違（Δ）を検出したいかによってOISは異なり、小さい効果量を検出したいならば平均のわずかな差を統計的有意差として検出するため、サンプルサイズを大きくする必要があります（下図）。最小重要差がわからないならば、400件（Δとして0.28程度に相当）をGRADEは勧めているという意味です。
| OISの評価例 |
|
GRADE2版のp81： |
現在批判的吟味をしている、出っ歯ガイドラインにおける、「重大なアウトカムとしてのoverjet」が、連続アウトカムです。
