Przejdź do treści
Wróć do wyników wyszukiwania

Standardy raportowania statystycznego: przejrzyste raportowanie analiz

Autor metody
Statistical and methodological literature; emphasized by Cumming (2013), ICMJE, and replication crisis discussions
Rok
2005
Typ
Guideline
Rodzina
results-reporting

Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku

Rozmiar czcionki

Do czego służy?

Przejrzyste raportowanie wyników statystycznych – w tym wielkości efektu, przedziałów ufności, wartości p i założeń – jest kluczowe dla integralności naukowej i powtarzalności.

W wielu opublikowanych badaniach podaje się same wartości p bez wielkości efektu lub przedziałów ufności, co uniemożliwia czytelnikom ocenę skali uzyskanych wyników. Standardy raportowania statystycznego, podkreślane przez Cumminga (2013), American Statistical Association i ICMJE, wymagają podawania wielkości efektu, przedziałów ufności i omówienia niepewności. Umożliwia to czytelnikom ocenę, czy wyniki są istotne praktycznie (nie tylko statystycznie) i porównanie wielkości efektu między badaniami w metaanalizach. Słabe raportowanie statystyczne marnuje zasoby badawcze i uniemożliwia właściwą syntezę dowodów.

Intuicja stojąca za metodą

Wartości p są powszechnie źle rozumiane: p<0,05 NIE oznacza, że wynik jest „ważny” ani że hipoteza zerowa jest „fałszywa”. Oznacza jedynie, że obserwowane dane wystąpiłyby rzadziej niż 5% razy, gdyby hipoteza zerowa była prawdziwa. Trivialny efekt (np. 0,1% różnicy) może mieć p<0,001 przy dużej próbie; odwrotnie, duży, klinicznie istotny efekt (np. 50% redukcja objawów) może nie osiągnąć p<0,05 przy małej próbie. Wielkości efektu i przedziały ufności rozwiązują ten problem: kwantyfikują one wielkość efektu i zakres prawdopodobnych wartości. 95% przedział ufności [2,1, 2,3] oznacza, że jesteśmy w 95% pewni, iż prawdziwy efekt mieści się między 2,1 a 2,3; jeśli przedział ufności zawiera zero lub wartość efektu zerowego, wynik nie jest statystycznie istotny. Te dodatkowe informacje – nieobecne w samych wartościach p – pozwalają czytelnikom na sensowną interpretację wyników.

Historia

Standardy raportowania statystycznego ewoluowały na przestrzeni dekad krytyki nadużywania wartości p w nauce. W 1992 roku czasopismo Epidemiology wymagało podawania przedziałów ufności obok wartości p; inne czasopisma poszły w ich ślady. Wpływowy artykuł Cumminga (2013) „The New Statistics” uzasadniał stosowanie wielkości efektu i przedziałów ufności jako lepszych od progów wartości p. W 2019 roku American Statistical Association opublikowała wytyczne ostrzegające przed traktowaniem p<0,05 jako uniwersalnego progu „istotności”. Główne czasopisma (JAMA, Lancet itp.) wymagają obecnie podawania wielkości efektu. Rekomendacje ICMJE (zaktualizowane w 2023 r.) kładą nacisk na raportowanie wielkości efektu i niepewności. Ta zmiana odzwierciedla lekcje wyciągnięte z kryzysu replikacji: wiele opublikowanych wyników z p<0,05 nie zostało powtórzonych, ponieważ wielkości efektu były małe, co było ukrywane przez same wartości p.

Kiedy stosować

Raportuj statystyki w sposób przejrzysty we wszystkich badaniach empirycznych: badaniach obserwacyjnych, eksperymentach, ankietach, badaniach klinicznych, metaanalizach. Dotyczy to analiz pierwotnych oraz analiz wrażliwości/podgrup. W przypadku badań opisowych bez testowania hipotez (np. ankiety opisowe) należy jasno podać statystyki opisowe, zakresy i proporcje. W przypadku badań jakościowych raportowanie statystyczne nie ma zastosowania, ale należy przejrzyście opisać próbę i metodę analizy. W przypadku badań modelowych lub symulacyjnych należy podać wielkości efektu i przedziały ufności wokół kluczowych wyników.

Ograniczenia i uwagi

  • Wymaga miejsca: kompleksowe raportowanie statystyczne (wielkość efektu, PU, wartość p, założenia) zajmuje więcej miejsca niż samo „p<0,001”; limity czasopism mogą ograniczać inne treści.
  • Złożoność: czytelnicy nieznający wielkości efektu mogą mieć trudności z interpretacją kompleksowego raportowania; potrzebna jest edukacja.
  • Niejednoznaczność interpretacji: „znacząca” wielkość efektu zależy od kontekstu (d=0,2 jest małe w niektórych dziedzinach, duże w innych); brak uniwersalnego standardu.
  • Wielokrotne porównania zwiększają liczbę fałszywych pozytywów: nawet przy korektach wiele testów hipotez zwiększa błąd typu I; kompleksowe raportowanie tego nie rozwiązuje, jedynie dokumentuje.

Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.

Mocne strony

  • Umożliwia interpretację wielkości: czytelnicy widzą nie tylko „istotną różnicę”, ale „różnica wynosi d=0,47” (średni efekt), co jest kluczowe dla oceny istotności praktycznej.
  • Ułatwia metaanalizę: wielkości efektu pozwalają na łączenie badań; same wartości p są niewystarczające do metaanalizy.
  • Zmniejsza błąd związany z „p-hacking”: gdy podaje się wielkości efektu, czytelnicy widzą, kiedy efekty są trywialne pomimo p<0,05, co zmniejsza motywację do manipulowania stopniami swobody badacza.
  • Poprawia powtarzalność: przedziały ufności i sprawdzanie założeń pozwalają czytelnikom ocenić wrażliwość i trafność wyników.
  • Wspiera analizę mocy post hoc: podane wielkości efektu pozwalają na obliczenie mocy statystycznej, ujawniając, czy badania o niewystarczającej mocy przyczyniły się do wyników zerowych.

Zastosowania

  • Pisanie artykułu naukowego: zaplanuj raportowanie statystyczne przed analizą; podawaj wielkości efektu i PU obok wartości p; organizuj wyniki według hipotez.
  • Przeprowadzanie metaanalizy: wielkości efektu wyodrębnione z badań pierwotnych umożliwiają ich łączenie; artykuły podające tylko wartości p są trudniejsze do włączenia.
  • Recenzowanie manuskryptu: sprawdź, czy statystyki są raportowane kompleksowo; żądaj wielkości efektu i PU, jeśli brakuje.
  • Przygotowywanie wniosku grantowego: analiza mocy statystycznej (która wykorzystuje wielkości efektu) jest standardem w NIH i innych przeglądach grantowych; wykaż znajomość raportowania wielkości efektu.

Jak to działa

Jak to działa

1

Raportuj statystyki w następującej kolejności i formacie: (1) Statystyki opisowe: średnia ± SD (lub mediana i rozstęp międzykwartylowy dla danych skośnych) dla każdej grupy. Przykład: „Grupa badana (Śr=45,2, SD=8,3) vs. Grupa kontrolna (Śr=42,1, SD=7,9)”. (2) Nazwa testu statystycznego i wynik: Podaj test (test t, chi-kwadrat, ANOVA itp.), statystykę testową, stopnie swobody, wartość p i wielkość efektu. Przykład: „t(98)=2,34, p=0,021, d=0,47”. (3) Przedział ufności: Podaj 95% PU dla różnicy lub wielkości efektu. Przykład: „95% PU [0,52, 3,21]”. (4) Wielkość efektu: Podaj odpowiednią wielkość efektu dla Twojego testu. Dla wyników ciągłych: d Cohena (standaryzowana różnica średnich), r Pearsona (korelacja) lub eta-kwadrat (η²) (proporcja wyjaśnionej wariancji). Dla wyników binarnych: ryzyko względne, iloraz szans, liczba potrzebna do leczenia. Dla porównań średnich: podaj bezwzględną różnicę wraz z jednostkami. (5) Sprawdzone założenia: podaj, czy założenia zostały spełnione (np. „Normalność oceniono testem Shapiro-Wilka, W=0,98, p=0,45, co wskazuje na przybliżoną normalność danych”). (6) Korekty dla wielokrotnych porównań: jeśli przeprowadzono wiele testów, podaj zastosowaną metodę korekty (Bonferroni, False Discovery Rate itp.) i skorygowany próg wartości p. Przykład: „Skorygowane α Bonferroniego=0,05/3=0,017”. (7) Brakujące dane: opisz, jak postępowano z brakującymi danymi (usunięcie, metoda imputacji). Organizuj wyniki według hipotez lub pytań badawczych; grupuj powiązane statystyki. Używaj tabel do szczegółowych wyników liczbowych.

2

Dobre raportowanie statystyczne spełnia następujące kryteria: (1) Kompletność: podane są wartości p, wielkości efektu i przedziały ufności; brak „nagich” wartości p. (2) Dokładność: wartości są poprawne i zgodne z analizą opisaną w Metodach. (3) Przejrzystość: metoda statystyczna jest jasno nazwana (np. „test t dla prób zależnych”, a nie tylko „test t”); założenia są omówione. (4) Wielkość efektu: wybrano odpowiednią wielkość efektu dla testu (d dla porównań dwugrupowych, r dla korelacji itp.). (5) Precyzja: wartości podano z odpowiednią liczbą cyfr znaczących (wartości p z dokładnością do 2–3 miejsc po przecinku, np. p=0,021, a nie p<0,05). (6) Spójność: podobne wyniki są formatowane identycznie; seria testów t podaje wszystkie wartości t, df, p i d. (7) Jasność: wyniki są przedstawione w tekście lub tabelach w kolejności pytań badawczych sformułowanych we Wstępie. Czytelnicy powinni być w stanie zweryfikować wyniki, przeglądając tabele i porównując je z tekstem.

3

Recenzenci i redaktorzy sprawdzają raportowanie statystyczne pod kątem przejrzystości i zgodności ze standardami dziedziny. Brakujące wielkości efektu, nieuzasadnione twierdzenia o „istotności” lub błędnie podane statystyki powodują prośby o rewizję. Błąd publikacji jest ograniczany, gdy podaje się wielkości efektu i przedziały ufności: recenzenci i czytelnicy mogą ocenić rzeczywistą wielkość wyników, a nie tylko to, czy p<0,05. W metaanalizach wielkości efektu ze wszystkich badań są łączone; badania podające jedynie wartości p bez wielkości efektu muszą być wykluczone lub oszacowane post hoc na podstawie innych statystyk, co wprowadza błąd. Dla autorów przejrzyste raportowanie statystyczne zwiększa powtarzalność, umożliwia właściwą syntezę i demonstruje rygor.

Częste pułapki

  • Raportowanie wartości p bez wielkości efektu: „p=0,021” informuje czytelników, że wynik jest „istotny”, ale nie czy efekt jest trywialny (np. d=0,1) czy duży (d=1,5). Zawsze podawaj wielkość efektu.
  • Mylenie istotności statystycznej i praktycznej: p=0,001 wskazuje na silne dowody przeciwko hipotezie zerowej, ale jeśli efekt jest klinicznie nieistotny (np. różnica 0,1 mmHg w ciśnieniu krwi), nie jest on praktycznie istotny. Omów oba aspekty.
  • Selektywne wybieranie wartości p: podawanie tylko wartości p, która jest <0,05, przy jednoczesnym ukrywaniu nieistotnych wyników (p-hacking). Zarejestruj hipotezy z wyprzedzeniem i raportuj wszystkie testy, istotne lub nie.
  • Raportowanie „trendu w kierunku istotności” dla p=0,10 lub „zbliżania się do istotności” dla p=0,06: są to nieformalne i mylące określenia. Albo wynik spełnia Twój próg, albo nie; omawiaj nieistotne wyniki uczciwie.
  • Błędne raportowanie przedziałów ufności: 95% PU NIE jest zakresem zawierającym 95% danych; jest to zakres, co do którego jesteśmy w 95% pewni, że zawiera prawdziwy parametr. Wyjaśnij poprawnie, aby uniknąć nieporozumień.
  • Pomijanie opisowych statystyk wyjściowych: czytelnicy nie mogą ocenić, czy grupy były porównywalne lub czy próby są reprezentatywne, jeśli dane demograficzne/wyjściowe nie zostaną podane.

Najczęściej zadawane pytania

Jaką wielkość efektu należy podać?

Wybierz wielkość efektu odpowiednią do Twojego testu statystycznego: Dla testów t (porównanie dwóch grup): d Cohena (standaryzowana różnica średnich) lub surowa różnica wraz z jednostkami. Dla ANOVA: eta-kwadrat (η²) lub eta-kwadrat cząstkowa (η²p). Dla korelacji: r Pearsona lub r-kwadrat (R²). Dla wyników binarnych (np. sukces terapii): iloraz szans (OR), ryzyko względne (RR) lub bezwzględna różnica ryzyka. Dla danych sparowanych: d Cohena lub g Hedge'a (podobne do d, używane w metaanalizach). W razie wątpliwości skonsultuj się ze standardami specyficznymi dla dziedziny lub wytycznymi dotyczącymi raportowania (EQUATOR Network).

Czy wystarczy podać samą wartość p?

Nie. Sama wartość p jest niewystarczająca, ponieważ nie informuje o wielkości efektu. Wartość p=0,001 może odzwierciedlać trywialny efekt (przy dużej próbie) lub ogromny efekt (przy małej próbie). Zawsze podawaj wielkość efektu i 95% PU. Połączenie wartości p + wielkości efektu + PU daje czytelnikom pełny obraz.

Co jeśli mam wiele testów i kilka wartości p jest „bliskich istotności” (np. p=0,06)?

Raportuj je uczciwie. Wartość p=0,06 nie jest statystycznie istotna przy α=0,05; nie staje się istotna przez nazwanie jej „trendem”. Omów, co oznacza nieistotny wynik w kontekście (brak mocy? prawdziwy efekt zerowy?). Jeśli przeprowadziłeś wiele testów, podaj, jak kontrolowałeś błąd typu I (Bonferroni, FDR itp.). Zarejestruj hipotezy z wyprzedzeniem, aby odróżnić analizy potwierdzające od eksploracyjnych.

Ile miejsc po przecinku należy użyć dla wartości p?

Dwa do trzech miejsc po przecinku jest standardem (np. p=0,021, p<0,001). Nie podawaj p=0,050000. Preferowane są dokładne wartości p zamiast nierówności (p=0,021 zamiast p<0,05), gdy dokładna wartość jest dostępna z oprogramowania statystycznego. Używaj „p<0,001” tylko wtedy, gdy oprogramowanie zaokrągla mniejsze wartości lub gdy test jest jednostronny z bardzo niskim progiem.

Czy należy podawać 95% PU czy inne poziomy ufności?

Używaj 95% PU, chyba że Twoja dziedzina ma inną konwencję (niektóre starsze publikacje medyczne używały 90% lub 99%). 95% PU jest standardem, ponieważ jest zgodne z α=0,05. Jeśli podajesz 90% PU, wyraźnie zaznacz „PU90%”, aby uniknąć nieporozumień. Nie mieszaj poziomów ufności w tym samym artykule.

Pokrewne metody

Źródła

  1. Cumming, G. (2013). The new statistics: Why and how. Psychological Science, 25(1), 7–29.

    Otwórz odnośnik DOI
    Skopiowano.
  2. 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.

    Otwórz odnośnik DOI
    Skopiowano.
  3. International Committee of Medical Journal Editors (2023). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals.

    Otwórz odnośnik do publikacji
    Skopiowano.