32-1. Что такое p-value

На прошлой неделе мы говорили о том, как описать данные исследования. Сегодня переходим к следующему вопросу: как сделать обоснованный вывод о различиях между группами.

Если Вы открывали раздел «Результаты» в клинической статье, Вам встречалась запись «p < 0,05»: ею авторы обозначают, что обнаруженные различия между группами признаны статистически значимыми. На этой неделе мы последовательно разберём, что означает p-value, и почему именно значение 0,05 стало традиционным порогом значимости.

p-value (или p-значение) – это вероятность получить наблюдаемые в исследовании различия между группами или различия более выраженные, при условии, что нулевая гипотеза верна. Нулевая гипотеза (H0) утверждает, что между сравниваемыми группами различий нет – например, что новый препарат не отличается по эффективности от плацебо.

Рассмотрим пример. Предположим, в рандомизированном исследовании новый антигипертензивный препарат сравнивается с плацебо. Среднее снижение систолического давления в группе препарата составило на 5 мм рт. ст. больше, чем в группе плацебо. Возможны два объяснения. Первое: препарат действительно эффективнее плацебо, и наблюдаемая разница отражает истинный эффект. Второе: препарат не отличается от плацебо, а наблюдаемая разница – случайность выборки.

p-value помогает оценить второе объяснение. p=0,03 означает: если на самом деле препарат не работает (то есть нулевая гипотеза верна), вероятность увидеть наблюдаемые или более выраженные различия в группах составляет 3%. Это редкое событие – поэтому исследователь делает вывод об отклонении нулевой гипотезы и принимает альтернативную гипотезу о наличии эффекта препарата. Поскольку 0,03 < 0,05, в статье такой результат назовут статистически значимым.

Принципиально понимать, что p-value – это утверждение о данных при условии истинности нулевой гипотезы, а не о самой гипотезе. В среду мы подробнее остановимся на том, чем p-value не является и какие распространённые заблуждения с ним связаны.

👍 Предыдущая неделя