استانداردهای گزارشدهی آماری: گزارشدهی شفاف تحلیلها
- معرفیشده توسط
- Statistical and methodological literature; emphasized by Cumming (2013), ICMJE, and replication crisis discussions
- سال
- 2005
- نوع
- Guideline
- خانواده
- results-reporting
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
گزارشدهی شفاف نتایج آماری—شامل اندازههای اثر، فواصل اطمینان، مقادیر p، و مفروضات—برای یکپارچگی علمی و قابلیت بازتولید ضروری است. بسیاری از مطالعات منتشرشده مقادیر p را به تنهایی و بدون اندازههای اثر یا فواصل اطمینان گزارش میکنند که ارزیابی بزرگی یافتهها را برای خوانندگان ناممکن میسازد. استانداردهای گزارشدهی آماری، که توسط کامینگ (2013)، انجمن آمار آمریکا، و ICMJE مورد تأکید قرار گرفتهاند، اندازههای اثر، فواصل اطمینان، و بحث درباره عدم قطعیت را الزامی میکنند. این امر خوانندگان را قادر میسازد تا قضاوت کنند که آیا یافتهها از نظر عملی معنادار هستند (نه فقط از نظر آماری معنادار) و اندازههای اثر را در مطالعات مختلف در فراتحلیلها مقایسه کنند. گزارشدهی آماری ضعیف، تحقیقات را هدر میدهد و از ترکیب صحیح شواهد جلوگیری میکند.
شهود پشت روش
مقادیر p به طور گستردهای اشتباه فهمیده میشوند: p<0.05 به معنای «مهم» بودن نتیجه یا «نادرست» بودن فرضیه صفر نیست. این فقط به این معنی است که دادههای مشاهدهشده کمتر از 5% مواقع رخ میدهند اگر فرضیه صفر درست باشد. یک اثر ناچیز (مثلاً 0.1% تفاوت) میتواند با یک نمونه بزرگ دارای p<0.001 باشد؛ برعکس، یک اثر بزرگ از نظر بالینی مهم (مثلاً 50% کاهش در علائم) ممکن است با یک نمونه کوچک به p<0.05 نرسد. اندازههای اثر و فواصل اطمینان به این موضوع میپردازند: آنها بزرگی اثر و دامنه مقادیر محتمل را کمیسازی میکنند. یک فاصله اطمینان 95% از [2.1, 2.3] میگوید که ما 95% اطمینان داریم که اثر واقعی بین 2.1 و 2.3 است؛ اگر فاصله اطمینان شامل صفر یا یک مقدار اثر صفر باشد، نتیجه از نظر آماری معنادار نیست. این اطلاعات اضافی—که در مقادیر p به تنهایی وجود ندارد—خوانندگان را قادر میسازد تا یافتهها را به طور معناداری تفسیر کنند.
تاریخ
استانداردهای گزارشدهی آماری از انتقاد چندین دههای نسبت به سوءاستفاده از p-value در علم تکامل یافتهاند. در سال 1992، مجله Epidemiology فواصل اطمینان را در کنار مقادیر p الزامی کرد؛ سایر مجلات نیز از آن پیروی کردند. مقاله تأثیرگذار کامینگ (2013) با عنوان «آمار جدید» استدلال کرد که اندازههای اثر و فواصل اطمینان بر آستانههای p-value برتری دارند. در سال 2019، انجمن آمار آمریکا راهنمایی منتشر کرد که در مورد p<0.05 به عنوان یک آستانه جهانی برای «معناداری» هشدار میداد. مجلات اصلی (JAMA, Lancet, و غیره) اکنون اندازههای اثر را الزامی میکنند. توصیههای ICMJE (بهروزرسانیشده در 2023) بر گزارشدهی اندازههای اثر و عدم قطعیت تأکید دارند. این تغییر منعکسکننده درسهای بحران بازتولید است: بسیاری از یافتههای منتشرشده با p<0.05 نتوانستند بازتولید شوند زیرا اندازههای اثر کوچک بودند، واقعیتی که تنها با مقادیر p پنهان میشد.
چه زمانی استفاده شود
آمار را به طور شفاف در تمام تحقیقات تجربی گزارش کنید: مطالعات مشاهدهای، آزمایشها، نظرسنجیها، کارآزماییهای بالینی، فراتحلیلها. این امر برای تحلیلهای اولیه و تحلیلهای حساسیت/زیرگروه نیز صدق میکند. برای مطالعات توصیفی بدون آزمون فرضیه (مثلاً نظرسنجیهای توصیفی)، آمار توصیفی، دامنهها، و نسبتها را به وضوح گزارش کنید. برای تحقیقات کیفی، گزارشدهی آماری کاربرد ندارد، اما نمونه و روش تحلیل را به طور شفاف توصیف کنید. برای مطالعات مدلسازی یا شبیهسازی، اندازههای اثر و فواصل اطمینان را حول پیامدهای کلیدی گزارش کنید.
محدودیتها و ملاحظات
- نیاز به فضا دارد: گزارشدهی آماری جامع (اندازه اثر، CI، مقدار p، مفروضات) فضای بیشتری نسبت به «p<0.001» به تنهایی اشغال میکند؛ محدودیتهای مجله ممکن است محتوای دیگر را فشرده کند.
- پیچیدگی: خوانندگانی که با اندازههای اثر آشنا نیستند ممکن است تفسیر گزارشدهی جامع را دشوار بیابند؛ آموزش لازم است.
- ابهام در تفسیر: اندازه اثر «معنادار» به زمینه بستگی دارد (d=0.2 در برخی رشتهها کوچک و در برخی دیگر بزرگ است)؛ استاندارد جهانی وجود ندارد.
- مقایسههای چندگانه مثبت کاذب را افزایش میدهند: حتی با اصلاحات، بسیاری از آزمونهای فرضیه خطای نوع اول را افزایش میدهند؛ گزارشدهی جامع این مشکل را حل نمیکند، فقط آن را مستند میکند.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- امکان تفسیر بزرگی را فراهم میکند: خوانندگان نه تنها «تفاوت معنیدار» را میبینند، بلکه «تفاوت d=0.47 است» (اثر متوسط)، که برای قضاوت در مورد اهمیت عملی حیاتی است.
- فراتحلیل را تسهیل میکند: اندازههای اثر امکان ترکیب مطالعات را فراهم میکنند؛ مقادیر p به تنهایی برای فراتحلیل کافی نیستند.
- سوگیری p-hacking را کاهش میدهد: وقتی اندازههای اثر گزارش میشوند، خوانندگان میتوانند ببینند که اثرات با وجود p<0.05 ناچیز هستند، که انگیزه برای درجات آزادی محقق را کاهش میدهد.
- قابلیت بازتولید را بهبود میبخشد: فواصل اطمینان و بررسی مفروضات، خوانندگان را قادر میسازد تا حساسیت و اعتبار یافتهها را ارزیابی کنند.
- تحلیل توان پس از تحلیل را پشتیبانی میکند: اندازههای اثر گزارششده امکان محاسبه توان آماری را فراهم میکنند و نشان میدهند که آیا مطالعات کمتوان منجر به یافتههای صفر شدهاند.
کاربردها
- نوشتن یک مقاله پژوهشی: گزارشدهی آماری را قبل از تحلیل برنامهریزی کنید؛ اندازههای اثر و CI را در کنار مقادیر p گزارش کنید؛ نتایج را بر اساس فرضیه سازماندهی کنید.
- انجام یک فراتحلیل: اندازههای اثر استخراجشده از مطالعات اولیه امکان تجمیع را فراهم میکنند؛ مقالاتی که فقط مقادیر p را گزارش میکنند، دشوارتر در فراتحلیل گنجانده میشوند.
- بازبینی یک دستنوشته: بررسی کنید که آمار به طور جامع گزارش شده باشد؛ در صورت عدم وجود، اندازههای اثر و CI را درخواست کنید.
- تهیه یک پروپوزال گرنت: تحلیل توان آماری (که از اندازههای اثر استفاده میکند) در بررسیهای گرنت NIH و سایر گرنتها استاندارد است؛ آشنایی با گزارشدهی اندازه اثر را نشان دهید.
چگونه کار میکند
چگونه کار میکند
آمار را به این ترتیب و قالب گزارش کنید: (1) آمار توصیفی: میانگین ± انحراف معیار (یا میانه و دامنه بین چارکی برای دادههای چولگیدار) برای هر گروه. مثال: «گروه درمان (M=45.2, SD=8.3) در مقابل گروه کنترل (M=42.1, SD=7.9).» (2) نام و نتیجه آزمون آماری: آزمون (t-test, chi-square, ANOVA, و غیره)، آماره آزمون، درجات آزادی، مقدار p، و اندازه اثر را مشخص کنید. مثال: «t(98)=2.34, p=.021, d=0.47.» (3) فاصله اطمینان: CI 95% را برای تفاوت یا اندازه اثر لحاظ کنید. مثال: «95% CI [0.52, 3.21].» (4) اندازه اثر: اندازه اثر مناسب برای آزمون خود را گزارش کنید. برای پیامدهای پیوسته: Cohen d (تفاوت میانگین استانداردشده)، Pearson r (همبستگی)، یا اتا-مربع (نسبت واریانس توضیح دادهشده). برای پیامدهای دوتایی: خطر نسبی، نسبت شانس، تعداد مورد نیاز برای درمان. برای مقایسه میانگینها: تفاوت مطلق را با واحدها گزارش کنید. (5) مفروضات آزمونشده: بیان کنید که آیا مفروضات برآورده شدهاند (مثلاً، «نرمالیتی با آزمون Shapiro-Wilk ارزیابی شد، W=0.98, p=.45، که نشاندهنده تقریباً نرمال بودن دادهها است»). (6) اصلاحات برای مقایسههای چندگانه: اگر چندین آزمون انجام میدهید، روش اصلاحی استفادهشده (Bonferroni, False Discovery Rate, و غیره) و آستانه p-value تنظیمشده را گزارش کنید. مثال: «Bonferroni-corrected α=0.05/3=0.017.» (7) دادههای گمشده: نحوه مدیریت دادههای گمشده را توضیح دهید (حذف، روش جایگزینی). نتایج را بر اساس فرضیه یا سؤال پژوهش سازماندهی کنید؛ آمارهای مرتبط را گروهبندی کنید. از جداول برای نتایج عددی دقیق استفاده کنید.
گزارشدهی آماری با کیفیت این معیارها را برآورده میکند: (1) کامل بودن: مقادیر p، اندازههای اثر، و فواصل اطمینان همگی گزارش میشوند؛ بدون مقادیر p تنها. (2) دقت: مقادیر صحیح و سازگار با تحلیل توصیفشده در بخش روشها هستند. (3) شفافیت: روش آماری به صراحت نام برده میشود (مثلاً، «paired t-test» نه فقط «t-test»)؛ مفروضات مورد بررسی قرار میگیرند. (4) اندازه اثر: اندازه اثر مناسب برای آزمون انتخاب میشود (d برای مقایسههای دو گروهی، r برای همبستگیها، و غیره). (5) دقت: مقادیر با ارقام معنیدار مناسب گزارش میشوند (مقادیر p تا 2-3 رقم اعشار، مثلاً p=.021، نه p<.05). (6) سازگاری: نتایج مشابه به طور یکسان قالببندی میشوند؛ یک سری t-test همگی t, df, p, و d را گزارش میکنند. (7) وضوح: نتایج در متن یا جداول به ترتیب سؤالات پژوهشی بیانشده در مقدمه ارائه میشوند. خوانندگان باید بتوانند نتایج را با نگاه کردن به جداول و مقایسه با متن تأیید کنند.
داوران همتا و ویراستاران گزارشدهی آماری را برای شفافیت و انطباق با استانداردهای رشته بررسی میکنند. اندازههای اثر گمشده، ادعاهای بیاساس «معناداری»، یا آمارهای اشتباه گزارششده، درخواستهای بازنگری را به دنبال دارند. سوگیری انتشار زمانی کاهش مییابد که اندازههای اثر و فواصل اطمینان گزارش شوند: داوران و خوانندگان میتوانند بزرگی واقعی یافتهها را ارزیابی کنند، نه فقط اینکه آیا p<0.05 است. در فراتحلیلها، اندازههای اثر از همه مطالعات تجمیع میشوند؛ مطالعاتی که فقط مقادیر p را بدون اندازههای اثر گزارش میکنند، باید حذف شوند یا پس از تحلیل از سایر آمارها تخمین زده شوند که خطا را وارد میکند. برای نویسندگان، گزارشدهی آماری شفاف، قابلیت بازتولید را افزایش میدهد، ترکیب صحیح را ممکن میسازد، و دقت را نشان میدهد.
دامهای رایج
- گزارش مقادیر p بدون اندازههای اثر: «p=.021» به خوانندگان میگوید که نتیجه «معنیدار» است اما نه اینکه آیا اثر ناچیز (مثلاً d=0.1) یا بزرگ (d=1.5) است. همیشه اندازه اثر را گزارش کنید.
- اشتباه گرفتن اهمیت آماری و عملی: p=.001 شواهد قوی علیه فرضیه صفر را نشان میدهد، اما اگر اثر از نظر بالینی بیاهمیت باشد (مثلاً 0.1 میلیمتر جیوه تفاوت در فشار خون)، از نظر عملی معنیدار نیست. هر دو را مورد بحث قرار دهید.
- انتخاب گلچینشده مقادیر p: گزارش فقط مقدار p که <0.05 است در حالی که نتایج غیرمعنیدار را پنهان میکند (p-hacking). فرضیهها را از قبل ثبت کنید و همه آزمونها را، معنیدار یا غیرمعنیدار، گزارش کنید.
- گزارش «روند به سمت معناداری» برای p=.10 یا «نزدیک شدن به معناداری» برای p=.06: اینها غیررسمی و گمراهکننده هستند. نتیجه یا آستانه شما را برآورده میکند یا نمیکند؛ نتایج غیرمعنیدار را صادقانه مورد بحث قرار دهید.
- اشتباه گزارش کردن فواصل اطمینان: یک CI 95% دامنه ای نیست که 95% دادهها را شامل شود؛ بلکه دامنه ای است که ما 95% اطمینان داریم پارامتر واقعی را شامل میشود. برای جلوگیری از سردرگمی به درستی توضیح دهید.
- حذف آمار توصیفی پایه: خوانندگان نمیتوانند ارزیابی کنند که آیا گروهها قابل مقایسه بودند یا نمونهها نماینده هستند اگر دادههای جمعیتشناختی/پایه گزارش نشوند.
پرسشهای متداول
چه اندازه اثری را باید گزارش کنم؟
اندازه اثر مناسب برای آزمون آماری خود را انتخاب کنید: برای t-test (مقایسه دو گروه): Cohen d (تفاوت میانگین استانداردشده) یا تفاوت خام با واحدها. برای ANOVA: اتا-مربع (η²) یا اتا-مربع جزئی (η²p). برای همبستگی: Pearson r یا r-مربع (R²). برای پیامدهای دوتایی (مثلاً موفقیت درمان): نسبت شانس (OR)، خطر نسبی (RR)، یا تفاوت خطر مطلق. برای دادههای زوجی: Cohen d یا Hedge's g (مشابه d، در فراتحلیلها استفاده میشود). اگر مطمئن نیستید، به استانداردهای خاص رشته یا دستورالعملهای گزارشدهی (شبکه EQUATOR) مراجعه کنید.
آیا گزارش فقط مقدار p کافی است؟
خیر. مقدار p به تنهایی کافی نیست زیرا بزرگی اثر را به شما نمیگوید. p=.001 میتواند منعکسکننده یک اثر ناچیز (اگر نمونه بزرگ باشد) یا یک اثر بزرگ (اگر نمونه کوچک باشد) باشد. همیشه اندازه اثر و CI 95% را گزارش کنید. ترکیب مقدار p + اندازه اثر + CI تصویر کاملی را به خوانندگان میدهد.
اگر آزمونهای زیادی داشته باشم و چندین مقدار p «نزدیک به معنیدار» باشند (مثلاً p=.06) چه؟
آنها را صادقانه گزارش کنید. p=.06 از نظر آماری در α=0.05 معنیدار نیست؛ با نامیدن آن «روند»، معنیدار نمیشود. بحث کنید که نتیجه غیرمعنیدار در این زمینه چه معنایی دارد (کمبود توان؟ اثر صفر واقعی؟). اگر چندین آزمون انجام دادهاید، گزارش کنید که چگونه خطای نوع اول را کنترل کردهاید (Bonferroni, FDR, و غیره). فرضیهها را از قبل ثبت کنید تا تحلیلهای تأییدی را از تحلیلهای اکتشافی متمایز کنید.
برای مقادیر p چند رقم اعشار باید استفاده کنم؟
دو تا سه رقم اعشار استاندارد است (مثلاً p=.021, p<.001). p=.050000 را گزارش نکنید. مقادیر p دقیق به نابرابریها (p=.021 به جای p<.05) ترجیح داده میشوند، زمانی که مقدار دقیق از نرمافزار آماری شما در دسترس باشد. از «p<.001» فقط در صورتی استفاده کنید که نرمافزار مقادیر کوچکتر را گرد کند یا اگر آزمون یکطرفه با آستانه بسیار کوچک باشد.
آیا باید CI 95% یا سطوح اطمینان دیگر را گزارش کنم؟
از CI 95% استفاده کنید مگر اینکه رشته شما یک قرارداد متفاوت داشته باشد (برخی از ادبیات پزشکی قدیمی از 90% یا 99% استفاده میکردند). CI 95% استاندارد است زیرا با α=0.05 همسو است. اگر CI 90% را گزارش میکنید، به صراحت «CI90%» را ذکر کنید تا از سردرگمی جلوگیری شود. سطوح اطمینان را در یک مقاله با هم مخلوط نکنید.
روشهای مرتبط
منابع
Cumming, G. (2013). The new statistics: Why and how. Psychological Science, 25(1), 7–29.
باز کردن مرجع DOIکپی شد.Fidler, F., Thomason, N., Cumming, G., Finch, S., & Leeman, J. (2005). Editors can lead researchers to confidence intervals, but can't make them think: Statistical reform lessons from medicine. Psychological Science, 15(2), 119–126.
باز کردن مرجع DOIکپی شد.International Committee of Medical Journal Editors (2023). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals.
باز کردن مرجع انتشارکپی شد.