- 发布
- 更新
仅凭p值不能说明效应量、临床重要性或结论为真的概率。用该数值支持确定的科学结论前，应交代假设、分析和多重性背景。
明确问题与假设
将主要假设与其分析人群和预设方法联系起来。若某亚组或访视是在查看结局后选出的，应解释其选择过程。阈值附近很小的数值差异，不应在其他方面相似的证据体系或相似估计效应之间，人为制造科学上的分界。
假设性研究示例
在一项假设试验中，主要分析略未达到计划阈值，而某个选定访视的p值更小。团队不会将该访视当作替代主要结果，而是同时报告效应估计、区间，以及分析是预先计划还是探索性的。
设计审查核查要点
- 将每个p值与所检验的具体假设和分析方法对应起来。
- 明确展示已评估的结局、时间点和亚组的数量。
- 在同一结果展示中说明效应大小和不确定性。
记录决策及其局限
经认可的报告应超越显著与不显著的标签，解释数据局限。大型研究可能检出很小的差异，而小型研究中具有重要意义的差异仍可能不确定。不得在看到阈值相关结果后放宽解释标准；应记录方法和有依据的变更，使分析历程能够重建。
常见问题
- p值是假设为真的概率吗？
- 不是。它涉及在指定假设和统计模型下的数据。
- 小p值意味着临床效应很大吗？
- 不是。效应大小必须单独考察。