ПРОВЕРЯТЬ Я ЕЁ НЕ БУДУ
⠀
Во время дискуссии с Полиной понял, что эту тему я ещё не раскрывал. Загорелся идеей, задумано, сделано 🤝🏻
⠀
Большинство исследований в медицине (почти все) строятся на формулировании и опровержении гипотез. Но откуда ноги? 👀
⠀
В математической статистике есть метод "проверка статистических гипотез". Однако прежде узнаем, что такое "гипотеза"🤔
⠀
⚠️Предположение, которое требует доказательства⚠️
⠀
Гипотеза отличается от теоремы (для нее существует доказательство) и теории (система положений) + см. рис. 1
⠀
Важно знать, что в исследовании формулируется клиническая гипотеза, обычно по принципу PICO. Но чтобы ее проверить, нужно перейти к эквивалентной статистической гипотезе (оцениваемые показатели), после чего мы получим результат (конкретная оценка) 🤨
⠀
Условно схематично можем показать это на рис. 2 👇🏻
⠀
Но гипотезы бывают разные:
⠀
📍Нулевая гипотеза (Н0) - это наше базовое/нынешнее знание.
⠀
Т.е. если мы не знаем какое ЛС лучше, то наше базовое знание, что одно не превосходит другое. Если мы предполагаем, что А чуть хуже Б, то нам надо уточнить насколько А хуже (на 5 или 15%). И все это верно, пока не доказано обратное❗
⠀
📍Альтернативная гипотеза (Н1 или На) - предположение при несостоятельности Н0
⠀
Если окажется, что наша Н0 неверна, то у нас будет другая гипотеза, которая мб лучше подходит для описания наших результатов😶‍🌫️
⠀
И тут самое интересное...
⠀
❗Доказать гипотезу невозможно❗🙀🤯😵‍💫
⠀
Т.к. для этого нам потребуется обследовать всех, везде и во все времена (а это нереально). Поэтому используется подход "от противного". Мы пытаемся обнаружить такие наблюдения, которые будут противоречить нулевой гипотезе. А если она не объясняет наши наблюдения, то скорее всего она неверна, и надо использовать Н1 😰
⠀
Поэтому по нашим результатам мы можем либо ОПРОВЕРГНУТЬ, либо НЕ ОПРОВЕРГНУТЬ гипотезу 🫣
⠀
To be continued...

#ebm_нюансы #ebm_статистика #статистика