確定臨床試驗樣本大小的過程需要考慮多個因素，其中統計學原理是關鍵之一。樣本大小的確定基于以下幾個方面：

1. 效應大小（Effect Size）：
   - 效應大小指的是要檢測的效應或差異的大小。它可以是治療效果的幅度，兩組之間的差異等。一般來說，效應越大，需要的樣本量就越少。

2. 顯著水平（Significance Level）：
   - 顯著水平通常設置為0.05。它表示如果沒有真實效應存在，我們犯錯將有5%的概率認為有顯著效應。更低的顯著水平（如0.01）會增加研究的嚴謹性，但也需要更大的樣本量來檢測效應。

3. 功效（Power）：
   - 功效是指在實際上存在差異時，試驗能夠檢測到這種差異的能力。通常將功效設定在80%以上。更高的功效需要更大的樣本量。

4. 變異性（Variability）：
   - 樣本內觀察到的差異可能是由于變異性造成的。較大的變異性需要更大的樣本量才能確保效應的可靠檢測。

5. 統計分析方法：
   - 樣本大小還取決于所選擇的統計分析方法。某些方法可能對小樣本更敏感，而另一些方法可能需要更大的樣本量來保障結果的可靠性。

6. 實際可用的資源和時間：
   - 基于統計學原理可以計算出理想的樣本大小，但實際可用的資源和時間也是一個限制因素。有時候需要在可接受范圍內權衡樣本大小和資源成本。

確定樣本大小的常見方法包括統計功效分析（power analysis）和樣本大小計算（sample size calculation）。這些方法利用上述因素，并結合預期效應大小和可接受的錯誤率，以確定需要多少參與者才能得到可靠的結果。