P 值的恰当应用暨解读新英格兰医学杂志统计学指南(2019)

28
投稿时附上 SAP
• 若观察性研究有预先规定的描述欲检验假说的 SAP，那么 投稿时 必须 附上签署并注明日期的版本。
• 本刊 鼓励作者们将观察性研究的 SAP 存放在为此目的而 设计的某个在线资源库。
29
多重检验 (multiple hypothesis tests)
• 观察性研究必须使用事先规定的可接受的方法，在多重检 验时控制总的第一类错误概率 (family-wise error rate, FWER) 或错误发现率 (false discovery rate, FDR) 。
31
新指南的结语
• 这个新指南可能对其使用和解释提出挑战，对习惯于把 P 值和置信区间当作“一刀切”标记的作者和读者们，尤其 如此。
• 如今投向本刊的文章所报告的结果可能来自十年前计划的 试验。我们愿意和作者们共同努力，按照新指南适当报告 结果。
32
小结
1. 假设检验的统计思维 类似于司法中的“无罪推断”和“疑罪从无”，面对犯罪嫌
• 必须报告校正多重比较后的 P 值，并在手稿中标明 • 序贯检验的方法，所有 P 值都要报告，直到最后一个具有
统计学意义的比较；第一个出现无统计学意义的比较，以 及此后所有比较的 P 值都不要报告。
21
两组或多组比较（探索性分析）
• 事先规定的探索性分析，必须使用 SAP 中所述的控制错 误发现率 (false discovery rate) 的方法。
16
统计意义检验
• 统计意义检验（statistical significance tests）必须伴有效应参 数的置信区间（confidence intervals);
• 置信区间必须和相应检验的有意义水准 α (significance levels） 所作校正相匹配。
• 除非研究设计要求单侧检验，例如非劣临床试验，所有 P 值必须是双侧的。
我们的统计学顾问们建议投向本刊的手稿遵循以下最佳 统计学实践。我们建议您在设计和报告您的研究工作时遵照 执行： • For all studies • For clinical trials • For observational studies
以下，着重介绍该指南中有关 P 值的内容。
15
For all studies
8
(3) 司法中的“无罪推定”和“疑罪从无”原则 • 面对犯罪嫌疑人，人们想证实其为罪人； • 弄清事实之前，法官总是假定此人与好人无区别 (无罪假定) • 原告的任务是收集证据，拒绝无罪假定； • 仅当法官认为一个好人不大可能出现目前的行为时，方可质
疑无罪假定，乃至拒绝无罪假定；法官才宣布：此人不同于 好人。 • 当法官认为一个好人颇有可能出现目前的行为时，不能拒绝 无罪假定 (疑罪从无) ；但并不意味此人就是好人。
23
亚组分析
• 当 SAP 事先规定分析某些亚组时，所作分析必须与之一致。 • 亚组分析的方法建议参考Wang et al (N Engl J Med 2007;
357:2189–2194) • 若研究团队认为某项事后的亚组分析重要，手稿中必须说明
理由，并且标明这是事后决定做的。
24
森林图（forest plots）
12
例 H 0 ： =14.1（月）成立时,
将样本数据代入，
t X 0 14.3 14.1 0.236
S / n 5.08 / 36
自由度 n 1 36 1 35
统计量数值
0.025
0.025
0.236
(1) 表明 H0 成立时，出现目前状况的可能性不小 —— 即颇有可能出现目前状况;
• “我们不相信 P 值和统计意义检验会被淘汰！” • 一项良好设计的随机化研究或观察性研究应有主要假设、
事先规定的分析方法和有统计学意义的水准 α； • 有统计学意义的水准 α 是一个可靠的指标，表明观察到的
数据和零假设间矛盾的程度， α 越小，矛盾的程度越高；
• 医生和监管部门必须就采取何种治疗或是否允许上市作决 策，以可靠计算和适当调整的阈值 α 来解释的 P 值，在他 们的决策中发挥了作用。
2
P 值的意义
• P 值标志观测到的数据与零假设背离到何等程度； P 值越
小，背离的程度越高。
• “P<0.05” 意味着：在无效应的假设成立下，不大会出现如 此的观测值。
• “P<0.05” 意味着：在无效应的假设成立下，误判其不成立 的机会少于5%。
3
P 值的意义
• 对多结局的情形，没有校正多重比较而报告“P<0.05” ， 误报有差异（假阳性）的概率会远高于 5%。
19
方案和统计分析计划
• 必须和手稿一起提交 （1）开始时和最后的方案 (protocol) （2）统计分析计划 (statistical analysis plan, SAP) （3）关于方案和 SAP 修改的表格，包括修改日期和内容
20
两组或多组比较（证实性分析）
• 证实性分析，比较两组或多组结局时，必须使用方案和 SAP 规定的检验方法来控制第一类错误 — 例如，Bonferroni 校正或事先规定的方法
疑人， • 法官总是假定此人与好人无区别（零假设）； • 原告的任务是收集证据，推翻无罪假定（采纳对立假设）； • 仅当一个好人不大可能出现目前的行为时，方可质疑无罪假
定，乃至推翻无罪假定，宣布此人不同于好人。 • 当一个好人颇有可能出现目前的行为时，只能疑罪从无 ---- 证据不足，无罪释放；但并不意味此人就是好人。
贯彻 CONSORT
• 作者必须提供 CONSORT 格式的流程图。 • 编辑们鼓励递交 CONSORT 清单所要求的全部相关信息；
虽然这些信息未必会全部和手稿一起登载，但是投稿时必 须在手稿或附件中提供。 • CONSORT 声明、清单和流程图详见 CONSORT 网页。
27
For observational studies
25
安全性结局的统计意义检验
• 如果报告各处理组安全性结局（并非主要结局）的统计意 义检验，不必作多重比较的校正。
• 因为安全性终点所含的信息可以警示问题所在，编辑们认 为第一类错误概率大于 0.05 是可以接受的。
• 无论 SAP 中有否事先规定了这类比较，编辑们都会要求 报告所有 P 值。
26
17
P 值的有效数字
• 通常，大于 0.01 的 P 值必须报告 2 位有效数字； 0.01 和 0.001 之间，必须报告 3 位有效数字； 小于0.001，必须报告 P<0.001 （不可写 0.000）
• 与临床试验停止规则有关检验或全基因关联研究产生的 P 值，可以不必如此。
18
For clinical trials
• 若没有事先规定的方法，只限于报告点估计和 95% 置信区 间。这种情形下，必须在方法部分说明，该区间的宽度未 曾校正多重比较，据此所作推断不可重复。这些分析无需 报告P 值。
30
潜在混杂变量均衡
• 报告处理效应或暴露效应的研究, 必须按暴露或干预组分别 出示那些潜在混杂变量的分布。
• 当暴露组间混杂变量均衡时，组间差异宜以点估计和 95% 置信区间来概括, 无需报告 P 值。
注：相当于司法中的“无罪假设” H0 ：µ 与 14.1无区别 H1 ： µ 不同于14.1
10
2. 如果 H0 成立，出现目前状况的可能性多大？ 利用目前样本数据, 计算统计量：t X 0
S/ n
统计量数值
0.025
0.025
拒绝域
接收域
拒绝域
• 若统计量的数值落入两个尾巴，
(1) 表明 H0 成立时，出现目前状况的概率很小 —— 不大可能出现目前状况;
6
什麽是 P 值？
7
假设检验的统计思维
(1) 实践中，面对事物的不确定性，人们往往要估算事物发 生的概率；
(2) 如果某事物发生的概率很小（即不大可能发生），为了 决策和行动，便将“不大可能”当作“不可能”。
例如， • 上街被撞死的概率很小(1/5百万) ，故人们照样上街； • 飞机失事的概率很小(1/百万)，故坐飞机的人越来越多； • 跳楼自杀，砸死行人的概率很小，故无人胆战心惊过大楼。
33
小结
2. 关于P-值，务必正确理解 (1) P-值表明数据与零假设“离谱”的程度 (2) P-值并不度量研究假设为真的概率
(3) 科学决策不可以仅仅依靠一个 P-值是否通过特定的阈值 α
(4) P-值或统计学意义并不度量效应的大小或结果的重要性 (5) P-值并不度量零假设本身的对错 (6) 正确恰当的推断要求完整的报告和透明度
• 例如，Benjamini–Hochberg 方法 （Benjamini Y, Hochberg Y (1995) Controlling the false discovery rate: a practical and powerful approach to multiple hypothesis testing. J R Stat Soc B 57:289–300 ）
9
例 已知北方农村儿童前囟门闭合月龄均值为 14.1 月。有人从东北某县抽取 36 名儿童，得前囟 门闭合月龄均值为 14.3 月，标准差为 5.08 月。 问该县儿童前囟门闭合月龄是否不同于一般儿童 闭合的月龄？
1. 建立检验假设，确定检验水准
H0 ： =14.1, H1 ： ≠14.1（双侧）
解读 新英格兰医学杂志最新统计学指南
---- P 值的恰当应用
Ji-Qian Fang School of Public Health Sun Yat-Sen 格兰医学杂志编辑部署名文章
2019年7月18日，新英格兰医学杂志登载了一篇编辑部 署名文章，着重解释了该杂志新的统计学指南中关于正确使 用P 值的规定，有助于广大作者和读者深刻理解、使用和解 释 P 值。