Vad är alfanivån? | Statistik

Inom frekventistisk statistik är alfanivån (även känd som signifikansnivån) sannolikheten för att förkasta nollhypotesen när den är sann. I samband med fysioterapiforskning kan nollhypotesen vara att det inte finns någon skillnad i smärtlindring mellan två olika fysioterapeutiska interventioner. Alfa-nivån är vanligtvis 0,05, vilket innebär att det finns en 5% risk att felaktigt förkasta nollhypotesen (dvs. dra slutsatsen att det finns en skillnad i smärtlindring när det faktiskt inte finns det) på lång sikt.

Det är särskilt viktigt att betrakta detta som ett långsiktigt resultat. Om 100 liknande studier genomförs kommer i genomsnitt 5 av dem att visa ett falskt positivt resultat om det inte finns någon effekt.

Förklaras med ett exempel

Låt oss säga att en studie jämför två fysioterapeutiska interventioner för smärta i nedre delen av ryggen, och att resultaten visar att den genomsnittliga smärtlindringen för intervention A är 6 poäng på en smärtskala och den genomsnittliga smärtlindringen för intervention B är 8 poäng på en smärtskala. Med en alfanivå på 0,05 skulle forskarna förkasta nollhypotesen och dra slutsatsen att det finns en statistiskt signifikant skillnad i smärtlindring mellan de två interventionerna eftersom skillnaden i medelvärden är större än vad som skulle förväntas av slumpen.

Alla hagel p<0,05?

Det är viktigt att notera att en alfanivå på 0,05 är en konvention och inte en regel. Valet av alfanivå beror på studiens sammanhang och de potentiella konsekvenserna av ett falskt positivt eller falskt negativt resultat. Om exempelvis konsekvenserna av ett falskt positivt resultat (dvs. att dra slutsatsen att en behandling är effektiv när den inte är det) är allvarligare, kan forskarna välja att använda en lägre alfanivå (t.ex. 0,01) för att minska sannolikheten för ett falskt positivt resultat.

Långsiktigt perspektiv

Vi vill återigen betona vikten av långsiktighet. Man kan inte bara säga att det finns en 5-procentig risk för att papperet har blivit ett falskt positivt resultat. När forskningen är genomförd är det helt enkelt ett falskt positivt resultat, eller så är det inte det. De 5% talar om långsiktiga resultat. Om man gör detta test i flera studier med liknande förhållanden kommer cirka 5% av artiklarna att få ett falskt positivt resultat.

En fysioterapeutisk intervention kan verka vara mycket effektiv för att minska smärta i nedre delen av ryggen, med ett litet p-värde (vilket indikerar en statistiskt signifikant skillnad) och en stor effektstorlek. Men om den här enskilda studien inte upprepas i andra studier är det svårt att avgöra om resultaten beror på slumpen eller om det finns en verklig effekt.

I ett långsiktigt perspektiv beaktas resultaten från flera studier över tid för att ge en mer heltäckande bild av hur effektiv en insats är. Detta tillvägagångssätt är särskilt viktigt inom fysioterapiforskning, där resultaten av en enskild studie kanske inte kan generaliseras till andra populationer eller miljöer.

Missuppfattningar

Det finns flera vanliga missuppfattningar kring p-värdet:

• P-värdet är ett mått på styrkan i bevisningen: P-värdet mäter inte styrkan i bevisen mot nollhypotesen, utan snarare sannolikheten för att observera en teststatistik som är lika extrem eller mer extrem än den som observeras, förutsatt att nollhypotesen är sann
• Ettlitet p-värde innebär starka bevis mot nollhypotesen: Ett litet p-värde visar bara att uppgifterna inte stämmer överens med nollhypotesen, men det ger inga belägg för den alternativa hypotesen. Dessutom innebär ett litet p-värde inte att effekten är stor eller viktig
• Ett P-värde på 0,05 är en hård tröskel för signifikans: Gränsen på 0,05 är godtycklig och har antagits som en konventionell gräns för statistisk signifikans, men det betyder inte att resultat med p-värden över 0,05 automatiskt inte är signifikanta. Tolkningen av p-värdet bör bero på sammanhanget och den forskningsfråga som studeras
• P-värdet är sannolikheten för att nollhypotesen är sann: P-värdet är inte sannolikheten för att nollhypotesen är sann, utan snarare sannolikheten för att observera data om nollhypotesen är sann
• P-värdet kan användas för att dra en kausal slutsats: P-värdet ger endast bevis för eller emot en nollhypotes och innebär inte nödvändigtvis ett orsakssamband. Kausal inferens kräver ytterligare information, till exempel en väl utformad studie med lämpliga kontroller för förväxlingsfaktorer

För mer information om P-värdet. Kolla in vårt inlägg om det här!

Upshur, R. E. (2001). Alfa-etik: reflektioner kring statistik, evidens och värderingar inom medicinen. Teoretisk medicin och bioetik, 22(6), 565-576.

Berger, V. W., & Hsieh, G. (2005). Omtänkande statistik: att basera alfanivåer för effekt på säkerhetsdata i randomiserade studier. Israeli Journal of Emergency Medicine, 5(3), 55-60.

Neyman, J. och Pearson, E.S. (1928) On the Use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference. Biometrika, 20A, 175-240.

Grönland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N. och Altman, D. G. (2016). Statistiska tester, P-värden, konfidensintervall och effekt: en guide till feltolkningar. European journal of epidemiology, 31(4), 337-350.