Τι είναι η τιμή P-Value; | Στατιστική

Με απλούς όρους, η τιμή p-value εκφράζει πόσο έκπληκτοι είστε με τα δεδομένα, υποθέτοντας ότι δεν υπάρχει επίδραση. Όσο χαμηλότερη είναι η τιμή p-value, τόσο πιο ασύμβατα φαίνονται τα δεδομένα με το μοντέλο σας (δηλαδή την υπόθεση ότι δεν υπάρχει επίδραση).

Π.χ.

Η θεραπεία Α συγκρίνεται με τη θεραπεία Β, υποθέτετε ότι δεν υπάρχει αποτέλεσμα ή διαφορά- περιμένετε να είναι σωστή η μηδενική υπόθεση. Εκτελείτε το τεστ και λαμβάνετε p-value 0,02. Αυτό σημαίνει ότι τα δεδομένα που συλλέξατε είναι αρκετά εκπληκτικά, δεδομένου ότι υποθέσατε ότι οι ομάδες δεν θα διέφεραν.

Η τιμή p υπάρχει για να προστατεύεστε από την τυχαιότητα. Εάν διεξάγετε μια μελέτη, οι πιθανότητες είναι ότι τα αποτελέσματα που βλέπετε είναι απλώς τυχαία - ή θόρυβος δεδομένων, όπως τον αποκαλούμε. Αυτός είναι ο λόγος για τον οποίο μπορεί να δείτε αξιοσημείωτες διαφορές στις μέσες τιμές μεταξύ των ομάδων, αλλά καμία στατιστικά σημαντική επίδραση. Μπορεί να συμβεί και το αντίστροφο. Μια μελέτη μπορεί να δείχνει ένα μη σημαντικό αποτέλεσμα, αλλά μπορεί να υπάρχει πραγματική επίδραση- ίσως επειδή το μέγεθος του δείγματος είναι πολύ μικρό.

Τι επηρεάζει την τιμή p-value;

Οι τιμές P επηρεάζονται από μερικούς διαφορετικούς παράγοντες: το μέγεθος του δείγματος, το μέγεθος της επίδρασης και ο τύπος της δοκιμής με τις υποθέσεις της.

• Μέγεθος δείγματος: όσο μεγαλύτερη είναι η ομάδα, τόσο πιο γρήγορα θα έχετε στατιστικά σημαντικά αποτελέσματα με μικρές διαφορές - και το αντίστροφο.
• Μέγεθος αποτελέσματος: όσο μεγαλύτερο είναι το μέγεθος αποτελέσματος, τόσο πιο γρήγορα θα έχετε στατιστικά σημαντικά αποτελέσματα, ακόμη και με μικρότερες ομάδες - και το αντίστροφο.
• Τύπος δοκιμής: μια δοκιμή γίνεται πιο ευαίσθητη σε διαφορές με ορισμένες υποθέσεις σχετικά με την κατανομή των δεδομένων, την ανεξαρτησία των μετρήσεων, την ομοσκεδαστικότητα, τη μονόπλευρη έναντι της αμφίπλευρης, την κατανομή μεταξύ ομάδων έναντι της εντός ομάδας, κ.λπ.

Π.χ. 

Μια τεράστια μελέτη μπορεί να βρει στατιστικά σημαντικά αποτελέσματα ακόμη και με τις μικρότερες επιδράσεις. Αυτά τα αποτελέσματα μπορεί να μην σημαίνουν τίποτα. Εδώ είναι που μπαίνει στο παιχνίδι η κλινική σημασία.Η αρχική μελέτη της πενικιλίνης χρησιμοποίησε ένα μικροσκοπικό δείγμα για να δείξει ότι τα δεδομένα έχουν τεράστια αποτελέσματα στην εξάλειψη των βακτηρίων.

P-value <0.05 κατώτατο όριο

Το όριο στατιστικής σημαντικότητας που χρησιμοποιούν οι περισσότεροι ερευνητές (π.χ. p < 0,05) είναι απλώς αυθαίρετο. Λαμβάνοντας υπόψη όλα τα πράγματα, θα πρέπει να αλλάζει ανάλογα με τη ρύθμιση της μελέτης σας. Εάν πραγματικά δεν θέλετε ψευδώς θετικά αποτελέσματα (π.χ. απόφαση για να υποβληθείτε σε μια απειλητική για τη ζωή σας επέμβαση), χρειάζεστε έναν χαμηλό αριθμό κατωφλίου. Εάν πραγματικά δεν θέλετε ψευδώς αρνητικά αποτελέσματα (π.χ. διάγνωση επιθετικών όγκων), χρειάζεστε μιαμελέτη υψηλής ισχύος με υψηλότερο αριθμό ορίου p-value. Αυτό δείχνει τη σχέση "δούναι και λαβείν" μεταξύ των σφαλμάτων τύπου 1 (α) και τύπου 2 (ß).

Σημειώστε ότι η τιμή p-value προκύπτει από τα δεδομένα και όχι από τη θεωρία. Δεν μπορείτε να "αποδείξετε" τη θεωρία σας με ένα στατιστικά σημαντικό αποτέλεσμα. Το μόνο πράγμα που μπορείτε να κάνετε είναι να προσπαθήσετε να αντικρούσετε τη θεωρία σας με διαφορετικές μελέτες, αν ισχύει, η θεωρία σας στέκει. Αυτό είναι παραποίηση.

Παρανοήσεις γύρω από το p-value

Ορισμένες κοινές παρανοήσεις σχετικά με την τιμή p-value στην ιατρική έρευνα περιλαμβάνουν:

• Μια σημαντική τιμή p σημαίνει ότι η επίδραση ή η συσχέτιση είναι μεγάλη ή κλινικά σημαντική.
  • Πραγματικότητα: Η τιμή p-value δείχνει μόνο την πιθανότητα να προκύψει το παρατηρούμενο αποτέλεσμα ή ένα πιο ακραίο αποτέλεσμα υπό τη μηδενική υπόθεση. Δεν παρέχει πληροφορίες σχετικά με το μέγεθος ή την κλινική σημασία της επίδρασης ή της συσχέτισης
• Μια μη σημαντική τιμή p σημαίνει ότι δεν υπάρχει επίδραση ή συσχέτιση.
  • Πραγματικότητα: Μια μη σημαντική τιμή p-value υποδηλώνει μόνο ότι το παρατηρούμενο αποτέλεσμα δεν είναι στατιστικά σημαντικό, αλλά δεν σημαίνει απαραίτητα ότι δεν υπάρχει επίδραση ή συσχέτιση. Μπορεί να οφείλεται σε χαμηλή στατιστική ισχύ ή σε άλλους παράγοντες, όπως σφάλμα μέτρησης ή συγχυτικές μεταβλητές.
• Η τιμή p-value 0,05 είναι ένα καθολικό όριο για τη στατιστική σημαντικότητα.
  • Πραγματικότητα: Η επιλογή του επιπέδου σημαντικότητας εξαρτάται από το πλαίσιο και θα πρέπει να βασίζεται σε παράγοντες όπως ο σχεδιασμός της μελέτης, το μέγεθος του δείγματος και οι συνέπειες ενός σφάλματος τύπου Ι. Ένα χαμηλότερο επίπεδο σημαντικότητας μπορεί να είναι κατάλληλο σε ορισμένες περιπτώσεις, όπως σε μελέτες με πολλαπλές συγκρίσεις ή σε μελέτες με υψηλά διακυβεύματα.
• Μια σημαντική p-value αποδεικνύει την αιτιώδη συνάφεια.
  • Πραγματικότητα: Η στατιστική σημαντικότητα υποδηλώνει μόνο την πιθανότητα να επιτευχθεί το παρατηρούμενο αποτέλεσμα ή ένα πιο ακραίο υπό τη μηδενική υπόθεση. Δεν τεκμηριώνει την αιτιώδη συνάφεια, η οποία απαιτεί πρόσθετες αποδείξεις από το σχεδιασμό της μελέτης, τη βιολογική αληθοφάνεια και άλλους παράγοντες.
• Ένα μεγάλο μέγεθος δείγματος οδηγεί πάντα σε σημαντική τιμή p-value.
  • Πραγματικότητα: Ένα μεγάλο μέγεθος δείγματος αυξάνει την ισχύ για την ανίχνευση μιας επίδρασης ή συσχέτισης, αλλά δεν εγγυάται σημαντική τιμή p-value. Το μέγεθος του αποτελέσματος, η μεταβλητότητα και άλλοι παράγοντες παίζουν επίσης ρόλο στον καθορισμό της στατιστικής σημαντικότητας.

Elkins, M. R., Pinto, R. Z., Verhagen, A., Grygorowicz, M., Söderlund, A., Guemann, M., Gómez-Conesa, A., Blanton, S., Brismée, J. M., Agarwal, S., Jette, A., Karstens, S., Harms, M., Verheyden, G., & Sheikh, U. (2022). Στατιστική συμπερασματολογία μέσω εκτίμησης: συστάσεις από τη Διεθνή Εταιρεία Συντακτών Περιοδικών Φυσικοθεραπείας. The Journal of manual & manipulative therapy, 30(3), 133-138.
Neyman, J. και Pearson, E.S. (1928) On the Use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference. Biometrika, 20A, 175-240.

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Στατιστικές δοκιμές, τιμές P, διαστήματα εμπιστοσύνης και ισχύς: ένας οδηγός για τις παρερμηνείες. European journal of epidemiology, 31(4), 337-350.

Kamper S. J. (2019). Ερμηνεία των αποτελεσμάτων 2-Στατιστική σημασία και κλινικό νόημα: Σύνδεση των αποδείξεων με την πρακτική. The Journal of orthopaedic and sports physical therapy, 49(7), 559-560. 

Karl Popper, Conjectures and Refutations, Λονδίνο: Routledge and Keagan Paul, 1963, σσ. 33-39- από Theodore Schick, ed., Readings in the Philosophy of Science, Mountain View, CA: Mayfield Publishing Company, 2000, σσ. 9-13

Christley, R.M. (2010). Ισχύς και σφάλμα: Αυξημένος κίνδυνος ψευδώς θετικών αποτελεσμάτων σε μελέτες με χαμηλή ισχύ. The Open Epidemiology Journal, 3, 16-19.

Fleming A. On the Antibacterial Action of Cultures of a Penicillium, with Special Reference to their Use in the Isolation of B. influenzæ. Br J Exp Pathol. 1929 Jun;10(3):226-36. PMCID: PMC2048009.

Erickson, R. A., & Rattner, B. A. (2020). Ξεπερνώντας το p < 0,05 στην οικοτοξικολογία: Ένας οδηγός για επαγγελματίες. Περιβαλλοντική τοξικολογία και χημεία, 39(9), 1657-1669.