İstatistiksel Raporlama Standartları: Analizlerin Şeffaf Raporlanması
- Ortaya koyan
- Statistical and methodological literature; emphasized by Cumming (2013), ICMJE, and replication crisis discussions
- Yıl
- 2005
- Tür
- Guideline
- Aile
- results-reporting
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Etki büyüklükleri, güven aralıkları ve p-değerleri dahil olmak üzere istatistiksel sonuçların şeffaf bir şekilde raporlanması, bilimsel dürüstlük ve tekrarlanabilirlik için esastır.
Yayınlanan birçok çalışma, okuyucuların bulguların büyüklüğünü değerlendirmesini imkansız hale getirerek, etki büyüklükleri veya güven aralıkları olmadan p-değerlerini izole bir şekilde raporlamaktadır. Cumming (2013), American Statistical Association ve ICMJE tarafından vurgulanan istatistiksel raporlama standartları, etki büyüklükleri, güven aralıkları ve belirsizlik tartışmasını gerektirir. Bu, okuyucuların bulguların (sadece istatistiksel olarak anlamlı olmanın ötesinde) pratik olarak anlamlı olup olmadığını değerlendirmelerine ve meta-analizlerdeki çalışmalar arasındaki etki büyüklüklerini karşılaştırmalarına olanak tanır. Kötü istatistiksel raporlama araştırmayı boşa harcar ve kanıtların doğru bir şekilde sentezlenmesini engeller.
Yöntemin mantığı
P-değerleri yaygın olarak yanlış anlaşılmaktadır: p<0.05, sonucun 'önemli' olduğu veya sıfır hipotezinin 'yanlış' olduğu anlamına GELMEZ. Bu sadece, sıfır hipotezi doğru olsaydı gözlemlenen verilerin %5'ten daha az sıklıkta ortaya çıkacağı anlamına gelir. Önemsiz bir etki (örneğin, %0.1'lik bir fark), büyük bir örneklemle p<0.001'e sahip olabilir; tersine, büyük klinik olarak önemli bir etki (örneğin, semptomlarda %50 azalma), küçük bir örneklemle p<0.05'e ulaşamayabilir. Etki büyüklükleri ve güven aralıkları bu sorunu çözer: etkinin büyüklüğünü ve olası değer aralığını ölçerler. %95'lik bir güven aralığı [2.1, 2.3] ise, gerçek etkinin 2.1 ile 2.3 arasında olduğuna %95 emin olduğumuz anlamına gelir; güven aralığı sıfırı veya sıfır etki değerini içeriyorsa, sonuç istatistiksel olarak anlamlı değildir. P-değerlerinin tek başına sağlamadığı bu ek bilgi, okuyucuların bulguları anlamlı bir şekilde yorumlamasına olanak tanır.
Tarih
İstatistiksel raporlama standartları, bilimde p-değeri kötüye kullanımına yönelik onlarca yıllık eleştiriden doğmuştur. 1992'de, Epidemiology dergisi p-değerlerinin yanı sıra güven aralıklarını gerektirdi; diğer dergiler de takip etti. Cumming'in (2013) etkili makalesi 'Yeni İstatistik', p-değeri eşiklerine üstün olarak etki büyüklükleri ve güven aralıkları için argümanlar sundu. 2019'da, American Statistical Association, 'anlamlılık' için evrensel bir eşik olarak p<0.05'e karşı uyarıda bulunan bir kılavuz yayınladı. Büyük dergiler (JAMA, Lancet vb.) artık etki büyüklüklerini gerektiriyor. ICMJE Önerileri (2023'te güncellendi), etki büyüklükleri ve belirsizlik raporlamasını vurgulamaktadır. Bu değişim, tekrarlanma krizi derslerini yansıtmaktadır: p<0.05 ile yayınlanan birçok bulgu, sadece p-değerleriyle gizlenen küçük etki büyüklükleri nedeniyle tekrarlanamadı.
Ne zaman kullanılır?
Tüm ampirik araştırmalarda istatistikleri şeffaf bir şekilde raporlayın: gözlemsel çalışmalar, deneyler, anketler, klinik denemeler, meta-analizler. Bu, birincil analizler ve hassasiyet/alt grup analizleri için geçerlidir. Hipotez testi olmayan tanımlayıcı çalışmalar (örneğin, tanımlayıcı anketler) için tanımlayıcı istatistikleri, aralıkları ve oranları açıkça raporlayın. Nitel araştırmalar için istatistiksel raporlama geçerli değildir, ancak örneklemi ve analiz yöntemini şeffaf bir şekilde açıklayın. Modelleme veya simülasyon çalışmaları için, anahtar sonuçların etrafındaki etki büyüklüklerini ve güven aralıklarını raporlayın.
Sınırlar ve dikkat edilmesi gerekenler
- Yer gerektirir: kapsamlı istatistiksel raporlama (etki büyüklüğü, GK, p-değeri, varsayımlar) sadece 'p<0.001'den daha fazla yer kaplar; dergi sınırları diğer içeriği sıkıştırabilir.
- Karmaşıklık: etki büyüklüklerine aşina olmayan okuyucular kapsamlı raporlamayı yorumlamakta zorlanabilir; eğitim gereklidir.
- Yorumlama belirsizliği: 'Anlamlı' etki büyüklüğü bağlama bağlıdır (d=0.2 bazı alanlarda küçüktür, bazılarında büyüktür); evrensel bir standart yoktur.
- Çoklu karşılaştırmalar yanlış pozitifleri şişirir: düzeltmelerle bile, birçok hipotez testi Tip I hatayı artırır; kapsamlı raporlama bunu çözmez, sadece belgeler.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- Büyüklüğün yorumlanmasını sağlar: okuyucular sadece 'anlamlı fark' değil, 'fark d=0.47'dir (orta etki)' görür, bu da pratik anlamlılığı yargılamak için önemlidir.
- Meta-analizi kolaylaştırır: etki büyüklükleri çalışmaların birleştirilmesine olanak tanır; sadece p-değerleri meta-analiz için yetersizdir.
- p-hacking yanlılığını azaltır: etki büyüklükleri raporlandığında, okuyucular p<0.05'e rağmen etkilerin önemsiz olup olmadığını görebilir, bu da araştırmacı derecesi serbestliği için teşviki azaltır.
- Tekrarlanabilirliği artırır: güven aralıkları ve varsayımların kontrolü, okuyucuların bulguların hassasiyetini ve geçerliliğini değerlendirmesini sağlar.
- Sonradan güç analizi desteği: raporlanan etki büyüklükleri istatistiksel gücün hesaplanmasına olanak tanır, bu da güçsüz çalışmaların sıfır bulgulara yol açıp açmadığını ortaya çıkarır.
Uygulama alanları
- Makale yazma: analizden önce istatistiksel raporlamayı planlayın; p-değerlerinin yanında etki büyüklüklerini ve GK'ları raporlayın; sonuçları hipoteze göre düzenleyin.
- Meta-analiz yapma: birincil çalışmalardan çıkarılan etki büyüklükleri havuzlamayı sağlar; sadece p-değerlerini raporlayan makalelerin dahil edilmesi daha zordur.
- Bir el yazmasını inceleme: istatistiklerin kapsamlı bir şekilde raporlandığını kontrol edin; eksikse etki büyüklükleri ve GK'lar isteyin.
- Bir hibe teklifi hazırlama: istatistiksel güç analizi (etki büyüklüklerini kullanan) NIH ve diğer hibe incelemelerinde standarttır; etki büyüklüğü raporlamasına aşinalık gösterin.
Nasıl çalışır?
Nasıl çalışır?
İstatistikleri şu sırayla ve formatta raporlayın: (1) Tanımlayıcı istatistikler: her grup için ortalama ± SS (veya çarpık veriler için medyan ve çeyrekler açıklığı). Örnek: 'Tedavi grubu (O=45.2, SS=8.3) - Kontrol grubu (O=42.1, SS=7.9).' (2) İstatistiksel test adı ve sonucu: Testi (t-testi, ki-kare, ANOVA vb.), test istatistiğini, serbestlik derecelerini, p-değerini ve etki büyüklüğünü belirtin. Örnek: 't(98)=2.34, p=.021, d=0.47.' (3) Güven aralığı: Fark veya etki büyüklüğü için %95 GK'yı dahil edin. Örnek: '%95 GK [0.52, 3.21].' (4) Etki büyüklüğü: Testiniz için uygun etki büyüklüğünü raporlayın. Sürekli sonuçlar için: Cohen d (standartlaştırılmış ortalama farkı), Pearson r (korelasyon) veya eta-kare (açıklanan varyansın oranı). İkili sonuçlar için: göreceli risk, odds oranı, tedavi edilen kişi sayısı. Ortalama karşılaştırmaları için: birimlerle mutlak farkı raporlayın. (5) Test edilen varsayımlar: varsayımların karşılanıp karşılanmadığını belirtin (örneğin, 'Normallik Shapiro-Wilk testi ile değerlendirildi, W=0.98, p=.45, verilerin yaklaşık olarak normal olduğunu gösteriyor'). (6) Çoklu karşılaştırmalar için düzeltmeler: birden fazla test yapılıyorsa, kullanılan düzeltme yöntemini (Bonferroni, Yanlış Keşif Oranı vb.) ve ayarlanmış p-değeri eşiğini raporlayın. Örnek: 'Bonferroni düzeltilmiş α=0.05/3=0.017.' (7) Eksik veriler: eksik verilerin nasıl ele alındığını açıklayın (çıkarma, atama yöntemi). Sonuçları hipoteze veya araştırma sorusuna göre düzenleyin; ilgili istatistikleri gruplandırın. Detaylı sayısal sonuçlar için tablolar kullanın.
Kaliteli istatistiksel raporlama şu kriterleri karşılar: (1) Tamlık: p-değerleri, etki büyüklükleri ve güven aralıkları hep raporlanır; çıplak p-değeri olmaz. (2) Doğruluk: değerler doğrudur ve Yöntemler bölümünde açıklanan analizle tutarlıdır. (3) Şeffaflık: istatistiksel yöntem açıkça adlandırılır (örneğin, sadece 't-testi' değil, 'eşleştirilmiş t-testi'); varsayımlar ele alınır. (4) Etki büyüklüğü: test için uygun etki büyüklüğü seçilir (iki grup karşılaştırmaları için d, korelasyonlar için r vb.). (5) Kesinlik: değerler uygun anlamlı rakamlarla raporlanır (p-değerleri 2-3 ondalık basamak, örn. p=.021, p<.05 değil). (6) Tutarlılık: benzer sonuçlar aynı şekilde biçimlendirilir; bir dizi t-testi hep t, df, p ve d raporlar. (7) Açıklık: sonuçlar, Giriş bölümünde belirtilen araştırma soruları sırasına göre düzyazı veya tablolarda sunulur. Okuyucular, tabloları inceleyerek ve metinle çapraz kontrol yaparak sonuçları doğrulayabilmelidir.
Hakemler ve editörler, şeffaflık ve alan standartlarına uyum için istatistiksel raporlamayı kontrol eder. Eksik etki büyüklükleri, 'anlamlılık' iddiasında bulunan desteklenmeyen ifadeler veya yanlış raporlanan istatistikler revizyon taleplerine yol açar. Etki büyüklükleri ve güven aralıkları raporlandığında yayın yanlılığı azalır: hakemler ve okuyucular, sadece p<0.05 olup olmadığını değil, bulguların gerçek büyüklüğünü de değerlendirebilir. Meta-analizlerde, tüm çalışmalardan elde edilen etki büyüklükleri havuzlanır; sadece p-değerlerini etki büyüklükleri olmadan raporlayan çalışmalar hariç tutulmalı veya diğer istatistiklerden sonradan tahmin edilmeli, bu da hataya yol açar. Yazarlar için şeffaf istatistiksel raporlama, tekrarlanabilirliği artırır, doğru sentezi mümkün kılar ve titizliği gösterir.
Sık yapılan hatalar
- Etki büyüklükleri olmadan p-değerlerini raporlama: 'p=.021' okuyuculara sonucun 'anlamlı' olduğunu söyler ancak etkinin önemsiz (örneğin, d=0.1) veya büyük (d=1.5) olup olmadığını söylemez. Her zaman etki büyüklüğünü raporlayın.
- İstatistiksel ve pratik anlamlılığı karıştırma: p=.001 sıfır hipotezine karşı güçlü kanıt gösterir, ancak etki klinik olarak ilgisizse (örneğin, kan basıncında 0.1 mmHg fark), pratik olarak anlamlı değildir. Her ikisini de tartışın.
- p-değerlerini seçici kullanma: sadece <0.05 olan p-değerini raporlayıp anlamlı olmayan sonuçları gizleme (p-hacking). Hipotezleri önceden kaydedin ve tüm testleri, anlamlı olsun ya da olmasın raporlayın.
- Anlamlılığa 'eğilim' için p=.10 veya 'anlamlılığa yaklaşma' için p=.06 raporlama: bunlar gayri resmi ve yanıltıcıdır. Sonuç ya eşiğinizi karşılar ya da karşılamaz; anlamlı olmayan sonuçları dürüstçe tartışın.
- Güven aralıklarını yanlış raporlama: %95 GK, verilerin %95'ini içeren aralık DEĞİLDİR; gerçek parametreyi %95 güvendiğimiz aralıktır. Karışıklığı önlemek için doğru açıklayın.
- Temel tanımlayıcı istatistikleri atlama: grupların karşılaştırılabilir olup olmadığını veya örneklemlerin temsilci olup olmadığını okuyucular demografik/temel veriler raporlanmazsa değerlendiremez.
Sık sorulan sorular
Hangi etki büyüklüğünü raporlamalıyım?
İstatistiksel testinize uygun etki büyüklüğünü seçin: t-testleri (iki grup karşılaştırması) için: Cohen d (standartlaştırılmış ortalama farkı) veya birimlerle ham fark. ANOVA için: eta-kare (η²) veya kısmi eta-kare (η²p). Korelasyon için: Pearson r veya r-kare (R²). İkili sonuçlar için (örneğin, tedavi başarısı): odds oranı (OR), göreceli risk (RR) veya mutlak risk farkı. Eşleştirilmiş veriler için: Cohen d veya Hedge'in g'si (d'ye benzer, meta-analizlerde kullanılır). Emin değilseniz, alana özgü standartlara veya raporlama kılavuzlarına (EQUATOR Network) danışın.
Sadece p-değerini raporlamak yeterli mi?
Hayır. P-değeri tek başına yetersizdir çünkü etkinin büyüklüğünü size söylemez. Bir p=.001, önemsiz bir etkiyi (örneklem büyükse) veya büyük bir etkiyi (örneklem küçükse) yansıtabilir. Her zaman etki büyüklüğünü ve %95 GK'yı raporlayın. P-değeri + etki büyüklüğü + GK kombinasyonu, okuyuculara tam resmi verir.
Ya birçok testim varsa ve birkaç p-değeri 'anlamlılığa yakın' (örneğin, p=.06) ise?
Dürüstçe raporlayın. Bir p=.06, α=0.05'te istatistiksel olarak anlamlı değildir; 'eğilim' diyerek anlamlı hale gelmez. Anlamlı olmayan sonucun bağlamda ne anlama geldiğini tartışın (güç eksikliği? gerçek sıfır etki?). Birden fazla test yaptıysanız, Tip I hatayı nasıl kontrol ettiğinizi raporlayın (Bonferroni, FDR vb.). Onaylayıcı ve keşifsel analizleri ayırt etmek için hipotezleri önceden kaydedin.
p-değerleri için kaç ondalık basamak kullanmalıyım?
İki ila üç ondalık basamak standarttır (örneğin, p=.021, p<.001). p=.050000 raporlamayın. Tam p-değeri, istatistiksel yazılımınızdan mevcut olduğunda eşitsizliklerden (p<.05 yerine p=.021) tercih edilir. Yazılım daha küçük değerleri yuvarlarsa veya test çok küçük bir eşikle tek yönlüyse yalnızca 'p<.001' kullanın.
95% GK mı yoksa başka güven düzeyleri mi raporlamalıyım?
Alanınızda farklı bir gelenek yoksa %95 GK kullanın (bazı eski tıp literatürü %90 veya %99 kullandı). %95 GK standarttır çünkü α=0.05 ile uyumludur. %90 GK raporlarsanız, karışıklığı önlemek için açıkça 'GK90%' belirtin. Aynı makalede güven düzeylerini karıştırmayın.
İlgili yöntemler
Kaynaklar
Cumming, G. (2013). The new statistics: Why and how. Psychological Science, 25(1), 7–29.
DOI kaynağını açKopyalandı.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.
DOI kaynağını açKopyalandı.International Committee of Medical Journal Editors (2023). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals.
Yayın kaynağını açKopyalandı.