Ý nghĩa thống kê: giá trị p, ngưỡng 0,05 và ứng dụng trong radiomics - lý do cho một cách tiếp cận bảo thủ

Springer Science and Business Media LLC - 2020
Giovanni Di Leo1, Francesco Sardanelli1
1Radiology Unit, IRCCS Policlinico San Donato, Via Morandi 30, 20097 San Donato Milanese, Italy

Tóm tắt

Tóm tắt

Trong bài viết này, chúng tôi tóm tắt cuộc tranh luận chưa được giải quyết về giá trị p và sự phân chia của nó. Chúng tôi trình bày tuyên bố của Hiệp hội Thống kê Hoa Kỳ về việc chống lại việc lạm dụng ý nghĩa thống kê cũng như các đề xuất để từ bỏ việc sử dụng giá trị p và giảm ngưỡng ý nghĩa từ 0,05 xuống 0,005. Chúng tôi nhấn mạnh các lý do cho một cách tiếp cận bảo thủ, vì nghiên cứu lâm sàng cần các câu trả lời phân cực để hướng dẫn việc ra quyết định, đặc biệt trong trường hợp hình ảnh chẩn đoán và can thiệp xạ trị. Với ngưỡng giá trị p giảm, chi phí nghiên cứu có thể tăng lên trong khi nghiên cứu tự phát có thể giảm. Bằng chứng thứ cấp từ các đánh giá hệ thống/ phân tích meta, chia sẻ dữ liệu và phân tích chi phí-hiệu quả là những cách tốt hơn để giảm thiểu tỷ lệ phát hiện sai và thiếu khả năng tái lập liên quan đến việc sử dụng ngưỡng 0,05. Quan trọng là, khi báo cáo giá trị p, các tác giả nên luôn cung cấp giá trị thực tế, không chỉ là các tuyên bố “p < 0,05” hoặc “p ≥ 0,05”, vì giá trị p cho biết mức độ tương thích của dữ liệu với giả thuyết không. Đáng chú ý, radiomics và dữ liệu lớn, được thúc đẩy bởi việc ứng dụng trí tuệ nhân tạo, liên quan đến hàng trăm/nghìn đặc tính được thử nghiệm tương tự như các “omics” khác như genomics, nơi mà việc giảm ngưỡng ý nghĩa, dựa trên các điều chỉnh đã biết cho việc kiểm tra nhiều lần, đã được áp dụng.

Từ khóa


Tài liệu tham khảo

Amrhein V, Greenland S, McShane B (2019) Scientists rise up against statistical significance. Nature 567:305–307 https://doi.org/10.1038/d41586-019-00857-9

Ioannidis JPA (2019) The importance of predefined rules and prespecified statistical analyses: do not abandon significance. JAMA 321:2067–2068 https://doi.org/10.1001/jama.2019.4582

Berkson J (1942) Tests of significance considered as evidence. J Am Stat Assoc 37:325–335 https://doi.org/10.2307/2279000

Benjamin DJ, Berger JO, Johnson VE et al (2018) Redefine statistical significance. Nat Hum Behav 2:6–10 https://doi.org/10.1038/s41562-017-0189-z

Wasserstein RL, Lazar NA (2016) The ASA’s statement on p-values: context, process, and purpose. Am Stat 70:129–133 https://doi.org/10.1080/00031305.2016.1154108

Wasserstein RL, Schirm AL, Lazar NA (2019) Moving to a world beyond “p<0.05”. Am Stat 73:1–19. https://doi.org/10.1080/00031305.2019.1583913

Boring EG (1919) Mathematical vs. scientific significance. Psychol Bull 16:335–338 https://doi.org/10.1037/h0074554

Trafimow D, Marks M (2015) Editorial. Basic Appl Soc Psyc 37:1–2 https://doi.org/10.1080/01973533.2015.1012991

Leek JT, Peng RD (2015) Statistics: p-values are just the tip of the iceberg. Nature 520:612 https://doi.org/10.1038/520612a

Nuzzo R (2015) Scientists perturbed by loss of stat tool to sift research fudge from fact. Sci Am. https://www.scientificamerican.com/article/scientists-perturbed-by-loss-of-stat-tools-to-sift-research-fudge-from-fact/. Accessed May 2, 2019

Ioannidis JPA (2018) The proposal to lower P value thresholds to .005. JAMA 319:1429–1430. https://doi.org/10.1001/jama.2018.1536

Soliani L (2007) Statistica applicata alla ricerca e alle professioni scientifiche. Manuale di statistica univariata e bivariata. Uninova-Gruppo Pegaso, Parma, pp 8–11 http://www.dsa.unipr.it/soliani/soliani.html. Accessed May 2, 2019

Fisher RA (1956) Statistical methods for research workers. Hafner, New York, p 44

Sardanelli F, Di Leo G (2009) Biostatistics for radiologists: Planning, performing, and writing a radiologic study. Springer-Verlag, Milan, pp 68–71

Ioannidis JPA (2005) Why most published research findings are false. PLoS Med 2:e124 https://doi.org/10.1371/journal.pmed.0020124

Goodman S, Greenland S (2007) Why most published research findings are false: problems in the analysis. PLoS Med 4:e168 https://doi.org/10.1371/journal.pmed.0040168

Lakens D, Adolfi FG, Albers CJ et al (2018) Justify your alpha. Nat Hum Behav 2:168–171 https://doi.org/10.1038/s41562-018-0311-x

Trafimow D, Amrhein V, Areshenkoff CN et al (2018) Manipulating the alpha level cannot cure significance testing. Front Psychol 9:699 https://doi.org/10.3389/fpsyg.2018.00699

Potti A, Dressman HK, Bild A (2011) Retraction: genomic signatures to guide the use of chemotherapeutics. Nat Med 17:135 https://doi.org/10.1038/nm0111-135

Baggerly KA, Coombes KR (2009) Deriving chemosensitivity from cell lines: forensic bioinformatics and reproducible research in high-throughput biology. Ann Appl Stat 3:1309–1344 https://doi.org/10.1214/09-AOAS291

Krueger JI, Heck PR (2017) The heuristic value of p in inductive statistical inference. Front Psychol 8:908 https://doi.org/10.3389/fpsyg.2017.00908

Arnett DK, Blumenthal RS, Albert MA et al (2019) 2019 ACC/AHA Guideline on the primary prevention of cardiovascular disease: executive summary: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. J Am Coll Cardiol S0735-1097:33876–33878 https://doi.org/10.1016/j.jacc.2019.03.009

Wellons M, Ouyang P, Schreiner PJ, Herrington DM, Vaidya D (2012) Early menopause predicts future coronary heart disease and stroke: the Multi-Ethnic Study of Atherosclerosis. Menopause 19:1081–1087 https://doi.org/10.1097/gme.0b013e3182517bd0

Chomistek AK, Manson JE, Stefanick ML et al (2013) Relationship of sedentary behavior and physical activity to incident cardiovascular disease: results from the Women’s Health Initiative. J Am Coll Cardiol 61:2346–2354 https://doi.org/10.1016/j.jacc.2013.03.031

Sardanelli F, Podo F, Santoro F et al (2011) Multicenter surveillance of women at high genetic breast cancer risk using mammography, ultrasonography, and contrast-enhanced magnetic resonance imaging (the high breast cancer risk Italian 1 study): final results. Invest Radiol 46:94–105 https://doi.org/10.1097/RLI.0b013e3181f3fcdf

Williams MC, Hunter A, Shah AS et al (2016) Use of coronary computed tomographic angiography to guide management of patients with coronary disease. J Am Coll Cardiol 67:1759–1768 https://doi.org/10.1016/j.jacc.2016.02.026

Ferdowsian HR, Gluck JP (2015) The ethical challenges of animal research. Camb Q Healthc Ethics 24:391–406 https://doi.org/10.1017/S0963180115000067

Sardanelli F, Alì M, Hunink MG, Houssami N, Sconfienza LM, Di Leo G (2018) To share or not to share? Expected pros and cons of data sharing in radiological research. Eur Radiol 28:2328–2335 https://doi.org/10.1007/s00330-017-5165-5

Pe’er I, Yelensky R, Altshuler D, Daly MJ (2008) Estimation of the multiple testing burden for genomewide association studies of nearly all common variants. Genet Epidemiol 32:381–385 https://doi.org/10.1002/gepi.20303

Jannot AS, Ehret G, Perneger T (2015) P < 5 × 10(-8) has emerged as a standard of statistical significance for genome-wide association studies. J Clin Epidemiol 68:460–465 https://doi.org/10.1016/j.jclinepi.2015.01.001

Welter D, MacArthur J, Morales J et al (2014) The NHGRI GWAS Catalog, a curated resource of SNP-trait associations. Nucleic Acids Res 42:D1001–D1006 https://doi.org/10.1093/nar/gkt1229

Sham PC, Purcell SM (2014) Statistical power and significance testing in large-scale genetic studies. Nat Rev Genet 15:335–346 https://doi.org/10.1038/nrg3706

Alic L, Niessen WJ, Veenland JF (2014) Quantification of heterogeneity as a biomarker in tumor imaging: a systematic review. PLoS One 9:e110300 https://doi.org/10.1371/journal.pone.0110300

Chalkidou A, O’Doherty MJ, Marsden PK (2015) False discovery rates in PET and CT studies with texture features: a systematic review. PLoS One 10:e0124165 https://doi.org/10.1371/journal.pone.0124165

Hilsenbeck S, Clark G, McGuire W (1992) Why do so many prognostic factors fail to pan out? Breast Cancer Res Treat 22:197–206 https://doi.org/10.1007/BF01840833

Altman DG, Lausen B, Sauerbrei W, Schumacher M (1994) Dangers of using “optimal” cutpoints in the evaluation of prognostic factors. J Natl Cancer Inst 86:829–835 https://doi.org/10.1093/jnci/86.11.829

Pesapane F, Codari M, Sardanelli F (2018) Artificial intelligence in medical imaging: threat or opportunity? Radiologists again at the forefront of innovation in medicine. Eur Radiol Exp 2:35. https://doi.org/10.1186/s41747-018-0061-6

Goodman WM, Spruill SE, Komaroff E (2019) A proposed hybrid effect size plus p-value criterion: empirical evidence supporting its use. Am Stat 73(suppl 1):168–185. https://doi.org/10.1080/00031305.2018.1564697

Wetzels R, Matzke D, Lee MD, Rouder JN, Iverson GJ, Wagenmakers J (2011) Statistical evidence in experimental psychology: an empirical comparison using 855 t tests. Perspect Psychol Sci 6:291–298 https://doi.org/10.1177/1745691611406923

Blume JD, Greevy RA, Welty VF, Smith JR, Dupont WD (2019) An introduction to second-generation p-values. Am Stat 73:sup1:157–167. https://doi.org/10.1080/00031305.2018.1537893

Lang JM, Rothman KJ, Cann CI (1998) That confounded p-value. Epidemiology 9:7–8. https://doi.org/10.1097/00001648-199801000-00004

Thông tin
Thông tin xuất bản

Springer Science and Business Media LLC

Thông tin tác giả