Qual é o nível alfa? | Estatísticas

Na estatística frequentista, o nível alfa (também conhecido como nível de significância) é a probabilidade de rejeitar a hipótese nula quando ela é verdadeira. No contexto da pesquisa em fisioterapia, a hipótese nula pode ser a de que não há diferença na redução da dor entre duas intervenções diferentes de fisioterapia. O nível alfa é normalmente definido como 0,05, o que significa que há 5% de chance de rejeitar incorretamente a hipótese nula (ou seja, concluir que há uma diferença na redução da dor quando na verdade não há) a longo prazo.

É especialmente importante considerar isso como um resultado de longo prazo. Se forem realizados 100 estudos semelhantes, 5 deles, em média, mostrarão um resultado falso positivo se não houver efeito.

Explicado com um exemplo

Digamos que um estudo compare duas intervenções de fisioterapia para dor lombar, e os resultados mostrem que a redução média da dor para a Intervenção A é de 6 pontos em uma escala de dor, e a redução média da dor para a Intervenção B é de 8 pontos em uma escala de dor. Com um nível alfa de 0,05, os pesquisadores rejeitariam a hipótese nula e concluiriam que há uma diferença estatisticamente significativa na redução da dor entre as duas intervenções porque a diferença entre as médias é maior do que a esperada pelo acaso.

Todas as mensagens têm p<0,05?

É importante observar que a definição de um nível alfa de 0,05 é uma convenção e não uma regra. A escolha do nível alfa depende do contexto do estudo e das possíveis consequências de um resultado falso positivo ou falso negativo. Por exemplo, se as consequências de um resultado falso positivo (ou seja, concluir que um tratamento é eficaz quando não é) forem mais graves, os pesquisadores poderão optar por usar um nível alfa mais baixo (por exemplo, 0,01) para diminuir a probabilidade de um resultado falso positivo.

Visão de longo prazo

Gostaríamos de enfatizar novamente a importância de uma visão de longo prazo. Não se pode simplesmente dizer que há uma chance de 5% de que o documento tenha se tornado um resultado falso positivo. Quando a pesquisa é realizada, ela simplesmente é um falso positivo ou não. Os 5% falam de resultados de longo prazo. A realização desse teste em vários estudos com condições semelhantes resultará em cerca de 5% dos artigos com um resultado falso positivo.

Uma intervenção de fisioterapia pode parecer muito eficaz para reduzir a dor lombar, com um pequeno valor de p (indicando uma diferença estatisticamente significativa) e um grande tamanho de efeito. No entanto, se esse único estudo não for replicado em outros estudos, é difícil determinar se os resultados são devidos ao acaso ou a um efeito real.

Uma visão de longo prazo considera os resultados de vários estudos ao longo do tempo para fornecer uma compreensão mais abrangente da eficácia de uma intervenção. Essa abordagem é particularmente importante na pesquisa em fisioterapia, em que os resultados de um único estudo podem não ser generalizados para outras populações ou ambientes.

Conceitos errôneos

Há várias concepções errôneas comuns sobre o valor p:

• O valor P é uma medida da força da evidência: O valor p não mede a força da evidência contra a hipótese nula, mas sim a probabilidade de observar uma estatística de teste tão extrema ou mais extrema do que a observada, supondo que a hipótese nula seja verdadeira
• Um valor p pequeno significa evidência forte contra a hipótese nula: Um valor p pequeno indica apenas que os dados não são consistentes com a hipótese nula, mas não fornece evidência para a hipótese alternativa. Além disso, um valor de p pequeno não significa que o efeito seja grande ou importante
• O valor P de 0,05 é um limite rígido de significância: O limite de 0,05 é arbitrário e foi adotado como um ponto de corte convencional para significância estatística, mas isso não significa que os resultados com valores de p superiores a 0,05 não sejam automaticamente significativos. A interpretação do valor de p deve depender do contexto e da questão de pesquisa que está sendo estudada
• O valor P é a probabilidade de a hipótese nula ser verdadeira: O valor p não é a probabilidade de que a hipótese nula seja verdadeira, mas sim a probabilidade de observar os dados se a hipótese nula for verdadeira
• O valor P pode ser usado para fazer uma inferência causal: O valor p fornece apenas evidências a favor ou contra uma hipótese nula e não implica necessariamente em causalidade. A inferência causal requer informações adicionais, como um estudo bem elaborado com controles apropriados para fatores de confusão

Para obter mais informações sobre o valor P. Confira nossa postagem sobre isso aqui!

Upshur, R. E. (2001). The ethics of alpha: reflections on statistics, evidence and values in medicine (A ética do alfa: reflexões sobre estatísticas, evidências e valores na medicina). Theoretical Medicine and Bioethics, 22(6), 565-576.

Berger, V. W., & Hsieh, G. (2005). Repensando as estatísticas: baseando os níveis alfa de eficácia em dados de segurança em estudos randomizados. Israeli Journal of Emergency Medicine, 5(3), 55-60.

Neyman, J. e Pearson, E.S. (1928) On the Use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference (Sobre o uso e a interpretação de determinados critérios de teste para fins de inferência estatística). Biometrika, 20A, 175-240.

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Testes estatísticos, valores de P, intervalos de confiança e potência: um guia para interpretações errôneas. European journal of epidemiology, 31(4), 337-350.