- Veröffentlicht
- Aktualisiert
Ein p-Wert allein beschreibt weder Effektgröße noch klinische Bedeutung noch die Wahrscheinlichkeit, dass eine Schlussfolgerung wahr ist. Geben Sie Hypothese, Analyse und Kontext des multiplen Testens an, bevor Sie die Zahl zur Stützung einer definitiven wissenschaftlichen Aussage verwenden.
Fragestellung und Annahmen festlegen
Verknüpfen Sie die primäre Hypothese mit ihrer Analysepopulation und der vorab festgelegten Methode. Erläutern Sie die Auswahl, wenn eine Untergruppe oder ein Besuch nach Prüfung der Ergebnisse gewählt wurde. Kleine numerische Unterschiede rund um eine Schwelle sollten keine künstliche wissenschaftliche Trennlinie zwischen ansonsten ähnlichen Evidenzlagen oder ähnlich geschätzten Effekten erzeugen.
Hypothetisches Studienbeispiel
In einer hypothetischen Studie verfehlt die Hauptanalyse knapp ihre geplante Schwelle, während ein ausgewählter Besuch einen kleineren p-Wert liefert. Das Team stellt diesen Besuch nicht als Ersatz für das primäre Ergebnis dar. Es berichtet Effektschätzungen, Intervalle und den geplanten oder explorativen Status der Analysen gemeinsam.
Prüfpunkte für die Designbewertung
- Verknüpfen Sie jeden p-Wert mit der konkreten geprüften Hypothese und Analysemethode.
- Machen Sie die Anzahl der ausgewerteten Endpunkte, Zeitpunkte und Untergruppen sichtbar.
- Zeigen Sie Effektstärke und Unsicherheit innerhalb derselben Ergebnisdarstellung.
Entscheidung und ihre Grenzen dokumentieren
Eine akzeptierte Berichterstattung geht über die Etiketten signifikant und nicht signifikant hinaus und erläutert Datengrenzen. Eine große Studie kann einen kleinen Unterschied erkennen, während ein bedeutsamer Unterschied in einer kleinen Studie unsicher bleiben kann. Lockern Sie die Interpretation nicht nach Kenntnis der Schwellenüberschreitungen; dokumentieren Sie Methoden und begründete Änderungen so, dass sich der Analyseverlauf rekonstruieren lässt.
Häufig gestellte Fragen
- Ist ein p-Wert die Wahrscheinlichkeit, dass eine Hypothese wahr ist?
- Nein. Er bezieht sich auf Daten unter einer festgelegten Hypothese und einem statistischen Modell.
- Bedeutet ein kleiner p-Wert einen großen klinischen Effekt?
- Nein. Die Effektstärke muss gesondert untersucht werden.