Sonuç tablosu geldi. Tedavi etkisi kadınlarda anlamlı (p = 0,03), erkeklerde anlamlı değil (p = 0,21). Tartışma bölümüne yazılacak cümle kendiliğinden oluşuyor: "Tedavi yalnız kadınlarda etkiliydi."
Bu cümle, istatistiksel olarak desteklenmiyor. Bir alt grupta anlamlı, diğerinde anlamsız sonuç bulunması, etkinin iki grup arasında farklı olduğunu göstermiyor. Gelman ve Stern'in bilinen uyarısıyla: anlamlılığın varlığı ile yokluğu arasındaki fark, kendisi anlamlı bir fark değil (Am Stat 2006; doi:10.1198/000313006X152649).
Kaç test yapıldığını sayıp düzeltme uygulamak ayrı bir konu; yöntem haritasının tamamı çoklu karşılaştırma düzeltmeleri ve Bonferroni yazımızda. Bu yazı düzeltmeyi değil, soruyu doğru kurmayı ele alıyor: alt grup farkı nasıl sınanır, gücü neden düşüktür ve bulunan fark ne zaman inandırıcıdır?
İki p değerini karşılaştırmak neden geçersiz?
Alt grup analizinde iki farklı soru birbirine karışıyor:
Sorulan soru ile yanıtlanan soru aynı değil
Alt gruba özgü test (yanlış yol)
- ✗Her alt grup ayrı ayrı analiz edilir
- ✗Soru: 'Kadınlarda etki sıfırdan farklı mı?'
- ✗İki p değerinin anlamlılık durumu karşılaştırılır
- ✗Alt grup küçüldükçe güç düşer, anlamsızlık kaçınılmaz hâle gelir
- ✗Sonuç, gerçek fark değil örneklem farkı olabilir
Etkileşim testi (doğru yol)
- ✓Tek modelde tedavi × alt grup terimi kurulur
- ✓Soru: 'Etki kadınlarda ve erkeklerde farklı mı?'
- ✓Etki tahminlerinin farkı doğrudan sınanır
- ✓Tüm veriyi kullanır, alt grupları bölmez
- ✓Sonuç, farkın kendisine ilişkin bir tahmin ve güven aralığı verir
Ölçülen bir örnek: benzetim çalışmalarında "yalnız bir alt grupta anlamlı" tablosu, çalışmanın özelliklerine göre denemelerin %7 ile %64'ünde ortaya çıktı. Aynı çalışmada resmî etkileşim testleri yalancı pozitif bakımından beklendiği gibi davranırken, alt gruba özgü testler belirgin biçimde daha güvenilmez bulundu (Brookes ve ark., J Clin Epidemiol 2004; PMID: 15066682). Yani bu tablo, gerçek bir alt grup etkisinin kanıtı olmaktan çok, alt gruba özgü analizin doğal çıktısı.
Şemadaki durum sık görülüyor: iki alt gruptaki etki tahminleri neredeyse aynı, ancak erkek alt grubu daha küçük olduğu için güven aralığı geniş ve sıfırı kesiyor. Ortaya çıkan tablo bir etki farkı değil, bir örneklem farkı.
Etkileşim testi nasıl kurulur?
Alt grup sorusu, alt grupları ayırarak değil, tek modelde bir çarpım terimiyle sınanır. Doğrusal modelde şu yapı kurulur:
sonlanım ~ tedavi + cinsiyet + tedavi × cinsiyet + kovaryatlar
Buradaki tedavi × cinsiyet katsayısı, tedavi etkisinin cinsiyete göre ne kadar değiştiğini tahmin eder. Raporlanacak şey bu katsayının p değeri değil yalnızca; farkın kendisi ve güven aralığı da verilmelidir. Lojistik ve Cox modellerinde bu fark oran ölçeğinde okunur: etkileşim terimi iki alt gruptaki oranların oranıdır.
Etkileşim ölçeğe bağlıdır
Toplamsal ölçekte (risk farkı) etkileşim bulunmayan bir ilişki, çarpımsal ölçekte (oran) etkileşim gösterebilir ya da tersi olabilir. "Etkileşim var mı?" sorusu ölçek belirtilmeden tam bir soru değildir. Analiz planında hangi ölçekte etkileşim arandığı yazılmalıdır.
Etkileşim testinin gücü neden düşük?
Çünkü bir farkın farkını tahmin ediyorsunuz. Ana etki tek bir karşılaştırmadan gelirken, etkileşim iki karşılaştırmanın farkından geliyor ve belirsizlikler toplanıyor.
Somut olarak: genel etki için %80 güce sahip bir çalışma, aynı büyüklükteki bir etkileşimi saptamak için yalnız %29 güce sahip. Etkileşimin aynı güçle saptanabilmesi için örneklemin dört katına çıkarılması gerekiyor; etkileşim genel etkinin %20'sinden küçükse gereken örneklem çok daha hızlı büyüyor (Brookes ve ark., 2004).
Bunun iki pratik sonucu var
Birincisi: etkileşim testinin anlamsız çıkması, alt gruplar arasında fark olmadığının kanıtı değil. Çalışma zaten bu farkı görecek güçte tasarlanmamış olabilir. İkincisi: etkileşim testi anlamlı çıktığında da temkinli olmak gerekiyor, çünkü düşük güçlü bir testin anlamlı sonucu, gerçek etkiyi abartma eğiliminde.
Bu yüzden alt grup analizinden çıkan doğru cümle çoğu zaman şu: "Alt gruplar arasında farklılık gözlenmedi; ancak çalışma bu farklılığı saptamak için tasarlanmamıştır." Bir sonuç değil, bir sınırlılık ifadesi.
Alt grup bulgusu ne zaman inandırıcı olur?
Bir alt grup farkının güvenilirliği, tek bir p değeriyle değil, birkaç ölçütün birlikte sağlanmasıyla değerlendiriliyor. Guyatt ekibinin geliştirdiği kredibilite çerçevesi bu değerlendirmenin yaygın referansı (Sun ve ark., BMJ 2010; PMID: 20354011).
| Ölçüt | Güveni artıran durum | Güveni azaltan durum |
|---|---|---|
| Önceden belirleme | Alt grup ve beklenen yön protokolde yazılı | Veri görüldükten sonra tanımlanmış |
| Sınıflama zamanı | Değişken başlangıçta ölçülmüş | Tedavi sonrası ölçülmüş (randomizasyon korumasını kaybettirir) |
| Alt grup sayısı | Az sayıda, klinik gerekçeli | Çok sayıda alt grup taranmış |
| İstatistiksel kanıt | Etkileşim testi raporlanmış | Yalnız alt gruba özgü p değerleri verilmiş |
| Yön | Fark derece farkı (her ikisi de yararlı, biri daha çok) | Fark yön farkı (birinde yarar, diğerinde zarar) |
| Biyolojik gerekçe | Önceden öngörülmüş bir mekanizma var | Gerekçe sonuçtan sonra kurulmuş |
| Dış tutarlılık | Başka çalışmalarda da görülmüş | Tek çalışmaya özgü |
Yön farkı iddiası özellikle dikkatli okunmalı: "kadınlarda yararlı, erkeklerde zararlı" biçimindeki bulgular, derece farklarına göre çok daha sık yanlış çıkıyor.
Sürekli değişkeni ikiye bölmeyin
"60 yaş üstü ve altı" ayrımı okunması kolay bir tablo üretiyor, ancak üç maliyeti var: bilgi kaybı, güç kaybı ve kesme noktası seçimiyle gelen görünmez bir çokluk. Birden çok eşik denenip en anlamlı olanın raporlanması, bildirilmemiş ek testler anlamına geliyor.
Daha sağlam yol, alt grup değişkenini sürekli tutup etkileşimi sürekli ölçekte modellemek; ilişkinin doğrusal olmadığı düşünülüyorsa spline gibi esnek terimlerle çalışmak. Sonuç, eşiğe bağlı bir "evet/hayır" yerine, etkinin değişkenle nasıl değiştiğini gösteren bir eğri oluyor.
Raporlamada güncel bir uyarı
Yaygın alışkanlık, orman grafiğinde her alt grubun ayrı etki tahminini göstermek ve yanına etkileşim p değerini yazmak. Yakın tarihli bir Monte Carlo çalışması bu karma yaklaşıma dikkat çekiyor: tabakalı regresyondan gelen etki tahminleriyle etkileşim regresyonundan gelen anlamlılık testini birlikte sunmak, iki yöntemin belirli koşullarda I. tip hata kontrolü bakımından farklılaşması nedeniyle sorunlu olabiliyor (Tsoi ve Sun, BMC Med Res Methodol 2026; PMID: 41794660).
Bu tek bir benzetim çalışması ve yerleşik raporlama pratiğini kendi başına ortadan kaldırmıyor. Pratik çıkarım daha ölçülü: alt grup tahminleri ile etkileşim testi hangi modelden geldiği açıkça yazılarak sunulmalı, ikisi tek bir kanıt gövdesiymiş gibi birleştirilmemeli.
Her önemli alt grup karşılaştırmasında şunların bulunması bekleniyor:
- Alt grup başına örneklem ve olay sayısı
- Her alt gruptaki etki tahmini ve güven aralığı
- Etkileşim tahmini ve güven aralığı
- Etkileşim p değeri
- Analizin önceden belirlenmiş mi, keşfedici mi olduğu
- Varsa düzeltmenin kapsadığı hipotez ailesi
Etki tahminlerinin belirsizliğini hesaplamak için güven aralığı hesaplayıcısını kullanabilirsiniz.
Analiz planına yazılacak asgari maddeler
Veri görülmeden önce sabitlenmesi gerekenler
Alt gruplar ve gerekçeleri
Hangi alt gruplar inceleneceği, her biri için beklenen etki yönü ve klinik gerekçesi. Liste kısa tutulur.
Sınıflama değişkeninin zamanı
Alt grubu tanımlayan değişkenin başlangıçta ölçüldüğü; tedavi sonrası değişkenlerle alt grup kurulmayacağı.
Etkileşim modeli ve ölçeği
Etkileşimin hangi modelde, hangi kovaryatlarla ve hangi ölçekte (toplamsal/çarpımsal) sınanacağı.
Sürekli değişkenlerin ele alınışı
İkiye bölünmeyeceği; bölünecekse eşiğin veri görülmeden ve dış gerekçeyle belirlendiği.
Doğrulayıcı–keşfedici ayrımı
Hangi alt grup analizinin karar taşıdığı, hangisinin hipotez ürettiği ve keşfedici sonuçların hangi dille raporlanacağı.
Bu maddeler sonuçlar görüldükten sonra yazılırsa plan, analitik esnekliği sınırlayan belge olma özelliğini kaybediyor. Analiz planının bütün yapısını istatistiksel analiz planı yazımızda ele aldık.
Doğru soru: etki gruplar arasında farklı mı?
Alt grup analizinin sorunu, yapılması değil; yanlış soruyla yapılması. "Bu alt grupta anlamlı mı?" sorusu, alt grup küçüldükçe otomatik olarak "hayır" cevabını üretme eğiliminde. Doğru soru "etki alt gruplar arasında farklı mı?" ve bu ancak etkileşimle sınanabiliyor — düşük güçle, temkinli bir dille ve önceden yazılmış bir planla.
Hipotez ailesini, sonlanım hiyerarşisini ve alt grup analizlerini veri görülmeden önce yapılandırmak, istatistiksel analiz planlama çalışmamızın ilk adımı. Planınızı birlikte gözden geçirmek isterseniz, süreci başvuru formumuz üzerinden şekillendiriyoruz.
Kullanılan kaynaklar
- Brookes ST, Whitely E, Egger M, ve ark. Subgroup analyses in randomized trials: risks of subgroup-specific analyses; power and sample size for the interaction test. J Clin Epidemiol. 2004;57(3):229-36. PMID 15066682 · DOI
- Sun X, Briel M, Walter SD, Guyatt GH. Is a subgroup effect believable? Updating criteria to evaluate the credibility of subgroup analyses. BMJ. 2010;340:c117. PMID 20354011 · DOI
- Tsoi C, Sun R. Common reporting errors in subgroup analysis: a comparison of interaction and stratified regression models. BMC Med Res Methodol. 2026;26(1). PMID 41794660 · DOI