Lär dig
Vad är ett konfidensintervall? | Statistik
Ett konfidensintervall är ett intervall av värden som används för att skatta en okänd populationsparameter med en viss grad av säkerhet. Det är ett sätt att uttrycka osäkerheten kring en skattning av en populationsparameter, t.ex. medelvärdet.
I en studie som undersöker effektiviteten av en ny fysioterapibehandling för smärta i nedre delen av ryggen kan forskarna till exempel samla in data från ett urval av patienter och beräkna den genomsnittliga smärtlindringen för behandlingsgruppen. Ett 95% konfidensintervall för den genomsnittliga smärtlindringen skulle vara ett intervall av värden inom vilket den verkliga genomsnittliga smärtlindringen i populationen förväntas falla med 95% sannolikhet. Det innebär att om samma studie genomförs 100 gånger kommer cirka 95 studier att ha det sanna populationsmedelvärdet inom sitt 95% konfidensintervall.
Ett typiskt exempel skulle kunna vara:
"Resultaten visar en genomsnittlig VAS-reduktion av smärta efter fyra veckor på 2,3 (95% KI 1,8 - 2,8)."
Konfidensintervallet beräknas utifrån urvalsstatistiken och den konfidensnivå som önskas (vanligen 95% eller 99%). Det är viktigt att notera att ett konfidensintervall inte anger om nollhypotesen är sann eller falsk, men det ger ett intervall av värden som sannolikt inkluderar den sanna populationsparametern med en viss konfidensnivå.
Hur är det med bredden?
Ett snävt konfidensintervall indikerar att urvalets medelvärde är en mer exakt skattning av populationens medelvärde, medan ett brett konfidensintervall indikerar att urvalets medelvärde är mindre exakt. I allmänhet tenderar större urvalsstorlekar att resultera i snävare konfidensintervall och därmed mer exakta skattningar av populationsparametrar.
Missuppfattningar
Det är viktigt att notera att man inte kan säga att det är 95% chans att det verkliga populationsmedelvärdet ligger inom ett givet intervall med ett visst papper. Det kommer helt enkelt att vara fallet, eller inte. Men om denna studie upprepas ett oändligt antal gånger kommer det sanna medelvärdet att hittas inom de genererade intervallen 95% av gångerna.
KI vs P-värden
Ett konfidensintervall ger ett intervall av värden för en populationsparameter (t.ex. medelskillnaden mellan två grupper) som uppskattas utifrån ett urval. Intervallet beräknas så att om vi skulle upprepa studien flera gånger skulle en viss procentandel av intervallen (som bestäms av konfidensnivån, vanligtvis 95%) innehålla det sanna populationsvärdet.
Däremot är ett p-värde en sannolikhet för att nollhypotesen (t.ex. ingen skillnad mellan grupperna) är sann med tanke på urvalsdata och antagandet att nollhypotesen är korrekt. Ett litet p-värde (vanligtvis mindre än 0,05) används ofta för att förkasta nollhypotesen och antyda att det finns bevis för en skillnad mellan grupperna.
P-värdet ger dock bara ett binärt svar på frågan om nollhypotesen kan förkastas eller inte. Det ger ingen information om effektens storlek eller precision, eller hur sannolikt det är att den inträffar i en större population. Det är här som konfidensintervallet kan vara mer användbart. Genom att tillhandahålla ett intervall av värden för effekten ger konfidensintervallet en tydligare bild av hur mycket behandlingen förväntas förändra utfallet och hur stor osäkerhet det finns i den uppskattningen. Dessutom kan konfidensintervallet bidra till att undvika övertolkning av ett signifikant p-värde, eftersom ett statistiskt signifikant resultat inte nödvändigtvis innebär att effekten är praktiskt eller kliniskt signifikant. Effektstorlekar kan hjälpa dig att göra denna bedömning.
Sammanfattningsvis ger ett konfidensintervall en mer fullständig och nyanserad bild av resultaten av en studie, medan ett p-värde endast ger ett binärt svar på frågan om statistisk signifikans.
Referenser
Gillar du det du lär dig?
KÖP HELA FYSIOTUTORS BEDÖMNINGSBOK
- E-bok med 600+ sidor
- Interaktivt innehåll (direkt videodemonstration, PubMed-artiklar)
- Statistiska värden för alla specialtester från den senaste forskningen
- Finns i 🇬🇧 🇩🇪 🇫🇷 🇪🇸 🇮🇹 🇵🇹 🇹🇷
- Och mycket mer!