Mi az a hatásméret? | Statisztikák

A hatásméret a két változó közötti statisztikai kapcsolat erősségének mérésére szolgál. Ez egy szabványosított mérőszám, amely egy beavatkozás vagy kezelés hatásának mértékét jelzi. Más szóval, mekkora a hatás.

Nagy vagy kicsi hatásméretek

A gyógytornában az effect size segítségével megállapíthatjuk a különböző kezelések hatékonyságát olyan állapotok esetén, mint a nem specifikus krónikus derékfájdalom vagy a térd Osteoarthritis. Például, ha egy hátfájás elleni gyakorlatprogram nagy effect size-ot eredményez, az azt jelenti, hogy a kezelés erőteljes pozitív hatást gyakorol a fájdalom csökkentésére. Másrészről, ha az effect size kicsi, a kezelés minimális hatást fejt ki a fájdalom csökkentésére.

A hatás nagysága független a mintanagyságtól, így a kis mintanagyság nem feltétlenül jelent alacsony hatást. A kis minták nagy hatással lehetnek, és fordítva.

Különböző tanulmányok összehasonlítása

A hatásméretek különösen hasznosak az orvosi kutatásokban, mivel lehetővé teszik a kezelési hatások összehasonlítását különböző tanulmányok, populációk és eredményességi mutatók között. Például, két tanulmány is kimutathatja, hogy egy kezelés statisztikailag szignifikáns eredményt hoz. Mindazonáltal, az egyik tanulmány nagyobb hatásméretet mutathat, mint a másik, ami azt jelzi, hogy a kezelés bizonyos kontextusokban vagy populációkban hatékonyabb lehet.

A hatás nagysága független a mintanagyságtól, így a kis mintanagyság nem feltétlenül jelent alacsony hatást. A kis minták nagy hatással lehetnek, és fordítva.

Cohen-féle d

A fizioterápiás kutatásokban gyakran használt hatásméret-statisztika a Cohen-féle d, amely egy kimeneti mérőszám (pl. fájdalom pontszám) átlagos változását hasonlítja össze két csoport (pl. kezelési és kontrollcsoport) között, és azt standard eltérés mértékegységben fejezi ki. Az adott tanulmánytól függően más hatásméret-statisztikák, mint például a Hedge g vagy az r is használhatók.

Alacsony p-érték ≠ nagy hatásméret

A hatásméretek segíthetnek leküzdeni a p-értékek korlátait, melyeket gyakran használnak a statisztikai szignifikancia meghatározására orvosi tanulmányokban. A p-értékek csak azt mutatják meg, hogy egy megfigyelt hatás statisztikailag szignifikáns-e, de nem adnak információt a hatás mértékéről. Ezzel szemben a hatásméretek a hatás gyakorlati vagy klinikai jelentőségét mérik, ami fontosabb lehet az orvosi döntéseknél.

Fontos megértened, hogy a p-érték nem mutatja a hatás nagyságát. Vannak, akik azt gondolják, hogy ha egy adott p-érték alacsony, az azt jelenti, hogy a hatás nagy. Ez nem igaz. Egy hatalmas minta, csoportok közötti apró különbséggel is létrehozhat alacsony p-értéket.

Könnyű kiszámolni

Egyes kutatók nem közlik a hatásmértéket a tanulmányaikban. Egy gyors számítással megbecsülheted a hatásmértéket:

Cohen-féle d képlet:

(M1 – M2)/SDpooled

M1: 1. átlag

M2: 2-es átlag

SDpooled: összevont szórás

Fontos tudni, hogy ez a képlet n = 50-nél nagyobb mintáknál és azonos csoportméreteknél működik a legjobban. Kisebb csoportokban a hatások nagyobbnak tűnnek a valóságosnál. Ez az adatzaj miatt van.

Referencia

Kamper S. J. (2019). Eredmények értelmezése 2 – Statisztikai szignifikancia és klinikai jelentőség: A bizonyítékok összekapcsolása a gyakorlattal. The Journal of orthopaedic and sports physical therapy, 49(7), 559–560.

Nuzzo R. (2014). Tudományos módszer: statisztikai hibák. Nature, 506(7487), 150–152.