|
医学研究，特别是随机对照试验，置信区间非常重要。但它中文论文文献中被长期忽视，因而我今天特地来科普下。 统计分析结果中，P值很重要。人人都爱P值！但光光这个“屁用”的值是不够的。我一直在说，统计分析报告，要效应值、P值、置信区间三者皆具。 先举个例子：一项临床试验，研究对象是高血压患者，随机被分为两组，分别用药物联合运动锻炼（试验组）和药物（对照组）进行血压控制，对每人治疗前、后收缩压（mmHg）进行测量，剔除失访人群后，分别得到实验组和对照组血压下降值，比较两组人群血压下降值有无统计学差异。 在这个案例中，探讨联合干预相对药物干预的效果，要解决的的几个关键问题： 第一，到底有没有效果？ 第二，有多大的效果？ 第三，有效果的可信度高不高？ 大多数中文论文只回答了第一个问题，也就是到底有没有效果。 比如采用两样本t检验来进行分析，如果存在着统计学差异，那么我们会说：试验组、对照组干预前后差值差异具有统计学意义（P=0.005） 但是这一统计结果没有回答干预措施到底有多大的效果。统计学效果指的是效应值。关于效应值，我在之前的文章写过了。希望大家在看本篇文章之前可以浏览下下面的推文。 在本例研究中，效应值是4.70 mmHg。 但是光报告效应值还不够，我非常强烈建议同时报告效应值的置信区间，一般是95%的置信区间。 1. 什么是95%置信区间 置信区间，英文是Confidence Internal ，缩写是 CI，所以95%置信区间，又称为95%CI，它是关于总体参数不确定性的描述。 那么什么是总体参数呢？说来话长~~~ 统计学是抽样研究，通过抽取一定数量的样本来开展分析。比如，我想了解所有人服用高血压药物的疗效。但是，我总不能所有人都调查一番，一般是抽取少量人，比如300人，询问他们高血压服用后血压下降水平。比如，经统计发现300人血压平均下降20.5mmHg。这个20.5我们称之为样本的信息，或者专业术语是统计量。但是20.5mmHg不全是我想要的，我想知道所有人服用高血压药物后的疗效是多少。 于是需要进一步分析，根据20.5 mmHg的信息去猜总体的信息，总体的信息就是参数。 但是猜总体，能够猜得准吗？猜不准！统计分析只能猜个大概！ 于是，猜出总体的过程中，诞生了两个同出一源的概念，P值和置信区间。 首先是P值。对于非统计专业人士来说，P值可以认为两组均数总体上没有差异的概率（注意：这是不太正确的说法，但是对于非统计专业人士来说，这样理解没问题）。比如，试验组、对照组干预前后差值差异具有统计学意义（P=0.005），意味着，疗效没有差别的概率不到千分之五！所以我们认为有差别。 因此，这个P值其实是一个粗暴、武断的结论，它只回答了'到底有没有差别'这个问题。 而置信区间则告诉我们：它们差别是多大！ 我刚才算出来两组差值是4.70，这意味着总体上两组疗效真的差4.7 mmHg吗？不是的，这个差别是样本的差别，总体还没有猜呢？ 实际上，我们无法准确猜出总体的位置，只能猜总体大概的位置，所以总体值一般是一个区间。你看它的英文：Confidence Internal，意思是信心区间。因此，95%置信区间可以通俗地（但不完全正确）理解为总体均数有95%的可能性落在这一区间内（这个理解虽然但不完全准确，但对于非统计专业人士，这样理解没有毛病）。 因此，我们的结果就很丰富了: ·试验组、对照组干预前后差值差异具有统计学意义（差值4.70，95%CI1.48-7.91，P=0.005） 完美！ 2. 置信区间能提供什么信息？ 2.1 置信区间能够判定是否具有临床意义。置信区间是信息性的，因为它们显示了结果支持的效应大小的可能范围。置信区间给我们的非常重要的东西是指出，总体均数不是4.70！两组药物疗效虽然P<0.05，而显示有效，但并非就是是临床上的有效！ 比如说临床上该药物有效的界值是3mmHg（这个是我举例的，别信以为真），那么我这药物还值得推荐吗？ 药物联合运动锻炼（试验组）相对单纯药物组的效果是4.70mmHg，95%CI1.48-7.91，说明效果最低可能是1.48，最高可能是7.91，而不是4.70mmHg。我们用工字型反映置信区间的位置。 从上图可以得到一些现象： (1)工字型置信区间与差值0值线不交叉，意味着P值<0.05。 (2) 总体均数1.48靠近与0值线，而穿过临床意义的3.0线。显然总体均数很可能低于3.0 mmHg的。既然如此，我们不能说这个药物肯定有临床价值了！ 所以置信区间给出的信息，等同于P值，而又远远大于P值，特别是置信区间的下限！ 2. 2 当P<0.05 ，置信区间可帮助判定项目结论的可靠性！ 有两个研究，甲和乙。经分析，两个研究P值都小于0.05，但结果是不同的。第一，可能差值差别不大，第二，置信区间不同。这里说明两件事情，第一，甲乙研究效应值相似，但是，乙研究的结论可靠性远不如甲。因为乙的置信区间较宽，意味着猜测总体效应猜得不准。 当碰到乙的情况，而你又算出来P值小于0.05时，千万别觉得你做出了大成果，也许，真的是你运气比较好。 2.3 当P值大于0.05，置信区间也可提示更多的信息。 下面这幅图，四个结果置信区间都包括了0直值线，意味着P 均大于0.05，但是各个置信区间带来的信息是有区别的。 图来自“ DOI: 10.5694/mja2.50926 ” 第一条，置信区间大部分位于正值范围内，虽然P 大于0.05，但该干预措施很可能是有效果的。没有统计学意义原因很可能是样本量不够，造成置信区间过宽。 第二条，置信区间位于临床意义-3、3线之间，意味着没有效果 第三条，置信区间大部分位于负值范围内，虽然P 大于0.05，也能说明干预效果不尽如人意。 第四条，显示出了结果的不确定性！ 3. 什么时候需要计算置信区间 3.1现况调查，描述人群主要指标时 现况调查主要目的就是了解人群现状，了解总体人群现况。因此，描述均数和率的时候，非常有必要带上置信区间！ 比如：279名护生护生患者安全感知总分71.42±10.91分(95%CI70.14-72.71) 。 又比如，2345名社区人群高血压患病率为35.5%（95%CI 31.1%-39.6%）。 3.2疗效和发病危险性、预后评价时 在RCT研究、病例对照研究和队列研究时，当我们计算率差、均差、OR、RR、HR，千万别忘记同时计算置信区间！像下面的结果，率差没有，置信区间也没有，是不行的。 结果显示：实验组总有效率为 83.3%（35/42），对照组总有效率为84.5%（38/45），两组比较差异无统计学意义（P＞0.05） 4. 置信区间和P值是什么关系？ 可能很多人不知道，置信区间和P值有非常紧密的关系。置信区间和P值绝大多数情况下反映的统计学结果是一致的。 ·比如差值的置信区间 –差值4.70 (95%CI，1.48-7.91 ) ，此时P<0.05 –差值4.70 (95%CI, -1.22 -7.82)，此时P>0.05 –差值4.70 (95%CI, 0.00-7.82)，此时P=0.05 首先差值代表着效应，干预组和对照组的差别是4.70mm Hg，这意味着总体上两组疗效真的差4.7 mmHg吗？不是的，这个差别是样本的差别，总体还没有猜呢？总体上，我们需要置信区间，95%置信区间可以通俗地（但不完全正确）理解为总体均数有95%的可能性落在这一区间内（这个理解虽然但不完全准确，但对于非统计专业人士，这样理解没有毛病）。 （1）差值4.70(95%CI， 1.48-7.91 ) ，此时P<0.05。为什么？95%CI 1.48-7.91，说明总体上两组差值最有可能是1.48-7.91之间，意味着总体均数不太可能等于0；而P值则表面两组总体均数存在着差别的可能性（即差值为零的可能性），当 P值小于0.05的时候，说明两组均数相等即差值为零的可能性是小概率事件，也就是不太可能等于零。所以两者反映的统计结果是一样的。 （2）差值4.70 (95%CI, -1.22 -7.82)，此时P>0.05。这个结果说明，差值可能总体均数在-1.2到7.8之间，说明总体均数可能是为零的，所以P值大于0.05，说明差值总体均数为零不是小概率事件，是有可能为零的。 （3）差值4.70 (95%CI, 0.00-7.82)，此时P=0.05。这种情况也类似。置信区间界限刚好触到零，则P值等于0.05。 总得来说，置信区间和P值统计原理是一致的，所以统计结果是一样的（都是阳性或者阴性结果）。除此之外，置信区间还给出了到底差值有多大程度的差异，离零有多远，而P值则给出了到底两组均数相等的可能性到底有多小。 4. 总结 相对于P值来说，置信区间信息量更大，其江湖地位与P值相当。因此，我建议医学研究撰写统计报告时，必须同时报告效应值、P值和置信区间，让读者能够看到更多的信息。 计算不难，能做到锦上添花，何乐而不为呢？ 更多信息 培训通告  |
|
|
