مروری بر مفاهیم معنی‌داری آماری و بالینی با رویکرد آزمون فرضیه (p-value)

کاربرد و تفسیر معنی‌داری آماری برای اثبات اثربخشی یک مداخله و یا وجود رابطه بین دو متغیر، یک اصل اساسی و ضروری در مطالعات است. بطور سنتی تجزیه و تحلیل داده‌های یک مطالعه با استفاده از آزمون فرضیه و گزارش p-value انجام می‌شود. در دو دهه‌ی اخیر متخصصان آمار و متدولوژی، محاسبه‌ی p-value و به ویژه استفاده از آستانه‌ی پنج درصد برای تایید معنی‌داری آماری را نادرست می‌دانند. محدودیت‌های p-value مانند وابستگی مقدار آن به حجم نمونه و منعکس نکردن اهمیت بالینی به کرات اشاره شده است. متخصصان آمار و متدولوژی، گزارش تنهای p-value را کافی نمی‌دانند و گزارش شاخص اندازه‌ی‌ اثر و حدود اطمینان بطور ملموسی تاکید شده است. با این حال مقالات متعددی به ویژه در مطالعات غیربالینی، به این امر توجه نکرده و حتی تفسیر صحیحی از p-value انجام نمی‌دهند. هدف نویسندگان این مقاله، ارائه‌ی یک دستورالعمل یکپارچه به پژوهشگران و متخصصین بالینی، به جهت گزارش صحیح معنی‌داری آماری و بالینی یافته‌ها بر اساس اهداف و طراحی مطالعات در علوم پزشکی با رویکرد آزمون فرضیه (گزارش p-value) بود.کاربرد و تفسیر معنی‌داری آماری برای اثبات اثربخشی یک مداخله و یا وجود رابطه بین دو متغیر، یک اصل اساسی و ضروری در مطالعات است. بطور سنتی تجزیه و تحلیل داده‌های یک مطالعه با استفاده از آزمون فرضیه و گزارش p-value انجام می‌شود. در دو دهه‌ی اخیر متخصصان آمار و متدولوژی، محاسبه‌ی p-value و به ویژه استفاده از آستانه‌ی پنج درصد برای تایید معنی‌داری آماری را نادرست می‌دانند. محدودیت‌های p-value مانند وابستگی مقدار آن به حجم نمونه و منعکس نکردن اهمیت بالینی به کرات اشاره شده است. متخصصان آمار و متدولوژی، گزارش تنهای p-value را کافی نمی‌دانند و گزارش شاخص اندازه‌ی‌ اثر و حدود اطمینان بطور ملموسی تاکید شده است. با این حال مقالات متعددی به ویژه در مطالعات غیربالینی، به این امر توجه نکرده و حتی تفسیر صحیحی از p-value انجام نمی‌دهند. هدف نویسندگان این مقاله، ارائه‌ی یک دستورالعمل یکپارچه به پژوهشگران و متخصصین بالینی، به جهت گزارش صحیح معنی‌داری آماری و بالینی یافته‌ها بر اساس اهداف و طراحی مطالعات در علوم پزشکی با رویکرد آزمون فرضیه (گزارش p-value) بود.

an overview of statistical and clinical concepts with the approach of hypothesis testing (p-value)

application and interpretation of statistical significance of association are the basic and necessary principle in medical research. traditionally, hypothesis testing and reporting p-values are widely used to quantify the statistical significance of observed results. in the last two decades, the calculation of a p-value in research and especially the use of a threshold to declare the statistical significance of the p-value have been challenged. the limitations of p-value, such as the dependence of its value on the sample size and not reflecting the clinical significance, have been repeatedly mentioned. the statisticians and methodologists recommend do not report p-value alone, and reporting of effect size index with corresponding confidence interval is mandatory. however, many researchers do not pay attention to this and do not even interpret the p-value correctly. the present study intended, to provide an integrated instruction for reporting the statistical and clinical significance in medical sciences with the approach of hypothesis testing (reporting p-value).