اختيار الاختبار الإحصائي المناسب

توفر الإحصائيات اليوم الأساس للاستدلال في معظم الأبحا. ومع ذلك ، بسبب عدم التعرض للنظرية والممارسة الإحصائية، لا يزال يعتبر كعب نقطة ضعف لدى كثير من المعنيين في حلقة البحث والنشر - الباحثين (المؤلفين) والمراجعين والمحررين والقراء.

معظمنا على دراية إلى حد ما بالمقاييس الإحصائية الوصفية مثل تلك ذات الاتجاه المركزي وتلك الخاصة بالتشتت. ومع ذلك ، فإننا نتعثر في الإحصائيات الاستنتاجية. لا يجب أن يكون هذا هو الحال ، لا سيما مع التوافر الواسع النطاق لبرامج إحصائية قوية وسهلة الاستخدام في نفس الوقت. كما أوضحنا أدناه ، ستقود بعض الاعتبارات الأساسية المرء إلى اختيار الاختبار الإحصائي المناسب لاختبار الفرضيات. ومع ذلك ، من المهم أن يتم تحديد التحليل الإحصائي المناسب قبل البدء في الدراسة ، في مرحلة التخطيط نفسها ، ويكون حجم العينة المختار هو الأمثل. لا يمكن تحديد ذلك بشكل تعسفي بعد انتهاء الدراسة وقد تم بالفعل جمع البيانات.

يمكن معالجة الغالبية العظمى من الدراسات من خلال سلة من حوالي 30 اختبارًا من أكثر من 100 اختبار قيد الاستخدام. يعتمد الاختبار الذي سيتم استخدامه على نوع سؤال البحث الذي يتم طرحه. العوامل المحددة الأخرى هي نوع البيانات التي يتم تحليلها وعدد المجموعات أو مجموعات البيانات المشاركة في الدراسة. يجب أن تساعد المخططات التالية ، المستندة إلى خمسة أسئلة بحثية عامة. [1]

السؤال الأول: هل هناك فرق بين المجموعات غير الزوجية؟ تعتبر المجموعات أو مجموعات البيانات غير زوجية إذا لم يكن هناك احتمال أن تكون القيم في مجموعة بيانات واحدة مرتبطة أو تتأثر بالقيم في مجموعات البيانات الأخرى. هناك حاجة لاختبارات مختلفة للبيانات الكمية أو العددية والبيانات النوعية أو الفئوية كما هو موضح في الشكل 1. بالنسبة للبيانات الرقمية ، من المهم تحديد ما إذا كانت تتبع معلمات منحنى التوزيع الطبيعي (منحنى غاوسي) ، وفي هذه الحالة الاختبارات البارامترية يطبق. إذا كان توزيع البيانات غير طبيعي أو إذا كان المرء غير متأكد من التوزيع ، فمن الأكثر أمانًا استخدام الاختبارات غير المعيارية. عند مقارنة أكثر من مجموعتين من البيانات الرقمية ، يجب استخدام اختبار مقارنة المجموعات المتعددة مثل تحليل التباين أحادي الاتجاه (ANOVA) أو اختبار Kruskal-Wallis أولاً. إذا قاموا بإرجاع قيمة p ذات دلالة إحصائية (عادةً ما تعني p <0.05) ، فيجب أن يتبعهم اختبار لاحق لتحديد البيانات التي تحدد الفرق بالضبط. يؤدي تطبيق اختبار t بشكل متكرر أو نظيره غير البارامتري ، وهو اختبار Mann-Whitney U ، إلى حالة مجموعة متعددة إلى زيادة احتمال رفض الفرضية الصفرية بشكل غير صحيح.
السؤال الثاني: هل يوجد فرق بين المجموعات المتزاوجة؟ يشير الاقتران إلى أن مجموعات البيانات مشتقة من القياسات المتكررة (مثل القياسات قبل وبعد أو قياسات متعددة عبر الوقت) على نفس مجموعة الموضوعات. سيحدث الاقتران أيضًا إذا كانت مجموعات الموضوعات مختلفة ولكن القيم في مجموعة واحدة مرتبطة بطريقة ما أو مرتبطة بالقيم في المجموعة الأخرى (مثل دراسات التوائم ودراسات الأشقاء ودراسات الأبوين والأبناء). يدعو تصميم الدراسة المتقاطعة أيضًا إلى تطبيق اختبارات المجموعة المزدوجة لمقارنة تأثيرات التدخلات المختلفة على نفس الموضوعات. في بعض الأحيان يتم إقران الموضوعات عمدا لتتناسب مع خصائص خط الأساس مثل العمر والجنس وشدة أو مدة المرض. تم اتباع مخطط مشابه للشكل 1 في اختبار مجموعة البيانات المزدوجة ، كما هو موضح في الشكل 2. ومرة أخرى ، ينبغي إجراء مقارنة مجموعة بيانات متعددة من خلال اختبارات مجموعات متعددة مناسبة متبوعة باختبارات لاحقة.
السؤال الثالث: هل هناك ارتباط بين المتغيرات؟ تم توضيح الاختبارات المختلفة المطبقة في الشكل 3. وتجدر الإشارة إلى أن الاختبارات المخصصة للبيانات العددية هي لاختبار الارتباط بين متغيرين. هذه اختبارات الارتباط وتعبر عن قوة الارتباط كمعامل ارتباط. يتم تصوير الارتباط العكسي بين متغيرين بعلامة ناقص. تختلف جميع معاملات الارتباط في الحجم من 0 (لا يوجد ارتباط على الإطلاق) إلى 1 (ارتباط مثالي). قد يشير الارتباط الكامل إلى السببية ولكنه لا يعني بالضرورة. عندما يرتبط متغيرين عدديين ببعضهما البعض خطيًا ، يمكن لتحليل الانحدار الخطي إنشاء معادلة رياضية ، والتي يمكن أن تتنبأ بالمتغير التابع بناءً على قيمة معينة للمتغير المستقل. [2] نسب الأرجحية والمخاطر النسبية هي العنصر الأساسي في الدراسات الوبائية وتعبر عن الارتباط بين البيانات الفئوية التي يمكن تلخيصها كجدول طوارئ 2 × 2. الانحدار اللوجستي هو في الواقع طريقة تحليل متعددة المتغيرات تعبر عن قوة الارتباط بين متغير ثنائي تابع ومتغيرين مستقلين أو أكثر كنسب رجحان معدلة.
السؤال 4: هل هناك اتفاق بين مجموعات البيانات؟ يمكن أن يكون هذا مقارنة بين تقنية فحص جديدة مقابل الاختبار القياسي أو اختبار تشخيصي جديد مقابل المعيار الذهبي المتاح أو اتفاق بين التصنيفات أو الدرجات التي قدمها مراقبون مختلفون. كما يتضح من الشكل 4 ، يمكن التعبير عن الاتفاق بين المتغيرات العددية كمياً بواسطة معامل الارتباط داخل الصف أو بيانياً عن طريق إنشاء مخطط بلاند-ألتمان حيث يتم رسم الفرق بين متغيرين x و y مقابل متوسط x و y. في حالة البيانات الفئوية ، يتم استخدام إحصاء كوهين كابا بشكل متكرر ، حيث يشير kappa (الذي يختلف من 0 لعدم وجود اتفاق على الإطلاق إلى 1 للاتفاق التام) إلى اتفاق قوي عندما يكون> 0.7. من غير المناسب استنتاج الاتفاق من خلال إظهار أنه لا يوجد فرق ذو دلالة إحصائية بين الوسائل أو بحساب معامل الارتباط.
السؤال الخامس: هل هناك فرق بين اتجاهات الوقت إلى الحدث أو مخططات البقاء على قيد الحياة؟ هذا السؤال خاص بتحليل البقاء [3] (يمكن أن تكون نقطة النهاية لهذا التحليل هي الموت أو أي حدث يمكن أن يحدث بعد فترة زمنية) والذي يتميز بفرض رقابة على البيانات ، مما يعني أن نسبة كبيرة من الأشخاص الخاضعين للدراسة الأصلية قد لا تصل إلى نقطة النهاية المعنية بحلول الوقت الذي تنتهي فيه الدراسة. تعتبر مجموعات البيانات لاتجاهات البقاء دائمًا غير معلمية. إذا كانت هناك مجموعتان ، فإن الاختبارات المطبقة هي اختبار Cox-Mantel أو اختبار Gehan (Wilcoxon المعمم) أو اختبار ترتيب السجل. في حالة وجود أكثر من مجموعتين ، يمكن تطبيق اختبار Peto و Peto أو اختبار ترتيب السجل للبحث عن فرق كبير بين اتجاهات الوقت إلى الحدث.

يمكن تقدير من المخطط أعلاه أن التمييز بين البيانات البارامترية وغير البارامترية أمر مهم. يمكن تطبيق اختبارات الحالة الطبيعية (مثل اختبار Kolmogorov-Smirnov أو اختبار جودة Shapiro-Wilk) بدلاً من وضع افتراضات. بعض المتطلبات الأساسية الأخرى للاختبارات البارامترية هي أن العينات لها نفس التباين ، أي مأخوذة من نفس المجتمع ، والملاحظات داخل مجموعة مستقلة وأن العينات قد تم سحبها عشوائيًا من السكان.

يحسب الاختبار أحادي الطرف إمكانية الانحراف عن الفرضية الصفرية في اتجاه معين ، بينما يحسب الاختبار ثنائي الطرف إمكانية الانحراف عن الفرضية الصفرية في أي اتجاه. عند مقارنة التدخل أ مع التدخل ب في مسار سريري ، تفترض الفرضية الصفرية أنه لا يوجد فرق بين التدخلين. يمكن أن يحدث الانحراف عن هذه الفرضية لصالح أي من التدخلين في اختبار ثنائي الطرف ، ولكن في الاختبار أحادي الطرف ، يُفترض أن تدخلاً واحدًا فقط يمكنه إظهار التفوق على الآخر. على الرغم من أنه بالنسبة لمجموعة بيانات معينة ، فإن الاختبار أحادي الطرف سيعيد قيمة p أصغر من الاختبار ثنائي الطرف ، وعادة ما يُفضل الأخير ما لم يكن هناك حالة مانعة لتسرب الماء للاختبار أحادي الطرف.

من الواضح أننا لا نستطيع أن نشير إلى جميع الاختبارات الإحصائية في افتتاحية واحدة. ومع ذلك ، فإن المخططات الموضحة ستغطي متطلبات اختبار الفرضيات لغالبية الدراسات القائمة على الملاحظة وكذلك الدراسات التدخلية. أخيرًا ، يجب على المرء أن يتذكر أنه لا يوجد بديل للعمل الفعلي مع مجموعات البيانات الوهمية أو الحقيقية ، وطلب المشورة من الإحصائي ، من أجل معرفة الفروق الدقيقة في اختبار الفرضيات الإحصائية.