Mikä on Alfa-taso? | Tilastot

Frequentistisessä tilastotieteessä alfataso (tunnetaan myös nimellä merkitsevyystaso) on todennäköisyys hylätä nollahypoteesi, kun se on tosi. Fysioterapiatutkimuksen yhteydessä nollahypoteesi voi olla, että kahden eri fysioterapiatoimenpiteen välillä ei ole eroa kivun vähenemisessä. Alfa-tasoksi asetetaan yleensä 0,05, mikä tarkoittaa, että nollahypoteesin virheellinen hylkääminen (eli päätelmä, että kivun vähenemisessä on eroa, vaikka sitä ei todellisuudessa ole) on 5 prosentin todennäköisyydellä mahdollista pitkällä aikavälillä.

On erityisen tärkeää ottaa tämä huomioon pitkän aikavälin tuloksena. Jos tehdään 100 samankaltaista tutkimusta, keskimäärin 5 niistä antaa väärän positiivisen tuloksen, jos vaikutusta ei ole.

Selitetty esimerkin avulla

Oletetaan, että tutkimuksessa verrataan kahta fysioterapiatoimenpidettä alaselkäkivun hoitoon, ja tulokset osoittavat, että toimenpiteen A keskimääräinen kivun väheneminen on 6 pistettä kipuasteikolla ja toimenpiteen B keskimääräinen kivun väheneminen on 8 pistettä kipuasteikolla. Kun alfa-taso on 0,05, tutkijat hylkäävät nollahypoteesin ja päättelevät, että kahden toimenpiteen välillä on tilastollisesti merkitsevä ero kivun vähenemisessä, koska keskiarvojen ero on suurempi kuin mitä sattuman perusteella voitaisiin odottaa.

Kaikki hail p<0.05?

On tärkeää huomata, että alfatason asettaminen 0,05:een on yleissopimus eikä sääntö. Alfa-tason valinta riippuu tutkimuksen kontekstista ja väärän positiivisen tai väärän negatiivisen tuloksen mahdollisista seurauksista. Jos esimerkiksi väärän positiivisen tuloksen seuraukset (eli jos päätellään, että hoito on tehokasta, vaikka se ei ole) ovat vakavammat, tutkijat saattavat käyttää alhaisempaa alfa-tasoa (esim. 0,01) vähentääkseen väärän positiivisen tuloksen todennäköisyyttä.

Pitkän aikavälin näkymä

Haluamme jälleen kerran korostaa pitkän aikavälin näkökulman merkitystä. Et voi yksinkertaisesti sanoa, että on 5 prosentin mahdollisuus, että paperista on tullut väärä positiivinen tulos. Kun tutkimus tehdään, se on joko väärä positiivinen tai sitten se ei ole. 5 prosenttia puhuu pitkän aikavälin tuloksista. Jos tämä testi tehdään useissa tutkimuksissa, joissa on samankaltaiset olosuhteet, noin 5 %:lla papereista saadaan väärä positiivinen tulos.

Fysioterapiatoimenpide voi vaikuttaa erittäin tehokkaalta alaselkäkivun vähentämisessä, kun p-arvo on pieni (mikä osoittaa tilastollisesti merkitsevää eroa) ja vaikutuksen koko suuri. Jos tätä yksittäistä tutkimusta ei kuitenkaan toisteta muissa tutkimuksissa, on vaikea määrittää, johtuvatko tulokset sattumasta vai todellisesta vaikutuksesta.

Pitkän aikavälin tarkastelussa otetaan huomioon useiden tutkimusten tulokset ajan kuluessa, jotta saadaan kattavampi käsitys toimenpiteen tehokkuudesta. Tämä lähestymistapa on erityisen tärkeä fysioterapiatutkimuksessa, jossa yksittäisen tutkimuksen tulokset eivät välttämättä ole yleistettävissä muihin väestöryhmiin tai ympäristöihin.

Väärinkäsitykset

P-arvoon liittyy useita yleisiä väärinkäsityksiä:

• P-arvo on näytön vahvuuden mittari: p-arvo ei mittaa nollahypoteesin vastaisen todistusaineiston voimakkuutta, vaan todennäköisyyttä havaita yhtä äärimmäinen tai äärimmäisempi testitilasto kuin havaittu, jos nollahypoteesi on tosi.
• Pieni p-arvo tarkoittaa vahvaa näyttöä nollahypoteesia vastaan: Pieni p-arvo osoittaa vain, että tiedot eivät ole nollahypoteesin mukaisia, mutta se ei anna näyttöä vaihtoehtoisen hypoteesin puolesta. Pieni p-arvo ei myöskään tarkoita, että vaikutus olisi suuri tai merkittävä.
• P-arvo 0,05 on kova kynnysarvo merkitsevyydelle: Kynnysarvo 0,05 on mielivaltainen, ja se on hyväksytty tavanomaiseksi tilastollisen merkitsevyyden raja-arvoksi, mutta se ei tarkoita, että tulokset, joiden p-arvo on suurempi kuin 0,05, eivät automaattisesti ole merkittäviä. p-arvon tulkinnan tulisi riippua asiayhteydestä ja tutkittavasta tutkimuskysymyksestä.
• P-arvo on todennäköisyys sille, että nollahypoteesi on tosi: p-arvo ei ole todennäköisyys sille, että nollahypoteesi on tosi, vaan todennäköisyys sille, että aineisto havaitaan, jos nollahypoteesi on tosi.
• P-arvoa voidaan käyttää kausaalisen johtopäätöksen tekemiseen: P-arvo antaa vain näyttöä nollahypoteesin puolesta tai sitä vastaan, eikä se välttämättä viittaa kausaalisuuteen. Syy-seuraussuhteen päättely edellyttää lisätietoja, kuten hyvin suunniteltua tutkimusta, jossa on asianmukaiset kontrollit sekoittavien tekijöiden varalta.

Lisätietoja P-arvosta. Tutustu postaukseemme siitä täällä!

Upshur, R. E. (2001). Alfan etiikka: pohdintoja tilastoista, todisteista ja arvoista lääketieteessä. Theoretical Medicine and Bioethics, 22(6), 565-576.

Berger, V. W., & Hsieh, G. (2005). Tilastojen uudelleenajattelu: tehokkuuden alfa-tasojen perustaminen satunnaistettujen tutkimusten turvallisuustietoihin. Israeli Journal of Emergency Medicine, 5(3), 55-60.

Neyman, J. ja Pearson, E.S. (1928) Eräiden testikriteerien käytöstä ja tulkinnasta tilastollista päättelyä varten. Biometrika, 20A, 175-240.

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Tilastolliset testit, P-arvot, luottamusvälit ja teho: opas virhetulkintoihin. European journal of epidemiology, 31(4), 337-350.