Büyük bir örneklemle çalışıldığında, klinik olarak önemsiz bir fark bile "istatistiksel olarak son derece anlamlı" çıkabiliyor. Örneğin 5000 hastalık bir çalışmada yeni bir antidiyabetik ilacın HbA1c'yi ortalama %0,1 düşürdüğü p < 0,001 ile gösterilebilir; sayı etkileyici görünse de bir endokrinoloğun ilk tepkisi çoğu zaman aynı olur: "Bu fark klinik olarak bir şey ifade etmiyor." İstatistiksel anlamlılık ile klinik anlamlılık aynı şey değil; ikisini ayırt etmek, makalenin tartışma bölümünün kalitesini doğrudan belirliyor.
p değeri ne söylüyor, ne söylemiyor?
Küçük bir p değeri, verinin "fark yok" varsayımıyla (ve modelin öbür varsayımlarıyla) ne kadar uyumsuz olduğunu gösterir; farkın gerçek olduğunu ya da rastlantıyla açıklanamayacağını kanıtlamaz (Wasserstein ve Lazar, 2016). Farkın hastaya fayda sağlayacak kadar büyük olup olmadığını ise hiç söylemez. İstatistiksel anlamlılık bir olasılık hesabı; klinik anlamlılık ise hasta yönetiminde somut fark yaratan bir eşik meselesi. İkisi kimi zaman kesişiyor ama her zaman örtüşmüyor.
İki senaryo bu ayrımı netleştiriyor. İki senaryoda da standart sapma yaklaşık 21 mmHg olsun. Senaryo 1: 40 hastalık bir çalışmada gruplar arasındaki sistolik kan basıncı farkı 12 mmHg, p = 0,08 (%95 GA yaklaşık −1,5 ile 25,5 mmHg). Sonuç istatistiksel olarak anlamlı değil; ama güven aralığı sıfırı da klinik olarak çok önemli farkları da kapsıyor. Bu çalışma etkinin olmadığını göstermiyor, yalnızca etkiyi yeterli kesinlikle ölçemiyor. Senaryo 2: 8000 hastalık bir çalışmada fark 1,4 mmHg, p ≈ 0,003. Sonuç istatistiksel olarak anlamlı, ama 1,4 mmHg tek bir hasta açısından küçük bir fark; bireysel düzeyde klinik önemi sınırlı.
İki farklı tuzak
p anlamlı, klinik anlamsız
- ✗Büyük örneklemde küçük fark
- ✗Dar güven aralığı
- ✗MCID eşiğinin altında
- ✗Anlamlı ama klinik olarak önemsiz
klinik anlamlı, p anlamsız
- ✓Küçük örneklemde büyük fark
- ✓Geniş güven aralığı
- ✓MCID eşiğinin üstünde
- ✓Güç analizi ile tekrar planlanmalı
MCID: klinik anlamlılığın ölçülebilir hâli
MCID (minimal clinically important difference, klinik olarak anlamlı en küçük fark), hastaların ya da hekimlerin "bu bir iyileşme" diyebileceği en küçük değişim. Kavramı Jaeschke ve arkadaşları (1989) tanımladı; kronik kalp ve akciğer hastalarında nefes darlığı, yorgunluk ve duygusal işlevi ölçen araçlarda, yedi basamaklı Likert yanıt ölçeğinde madde başına yaklaşık 0,5'lik ortalama değişimin klinik olarak anlamlı olduğunu gösterdi. Sık başvurulan yaklaşık eşiklerden bazıları şöyle:
| Parametre | Klinik anlamlılık eşiği (yaklaşık) | Not / kaynak |
|---|---|---|
| Yaşam kalitesi ölçeği (7'li Likert) | ~0,5 / madde | Jaeschke ve ark. 1989 (özgün MCID) |
| VAS ağrı skoru (0-10), akut ağrı | ~1,3 (en küçük algılanan değişim) – ~2,0 (belirgin iyileşme) | Todd 1996 (13 mm); Kelly 2001 (~20 mm) |
| 6 dakika yürüme testi (KOAH) | ~25-35 metre | Holland 2010 (25 m); Puhan 2008 (~35 m) |
| Sistolik kan basıncı | ~5 mmHg | 5 mmHg düşüş, majör kardiyovasküler olay riskinde ~%10 azalma (BPLTTC 2021) |
| HbA1c | ~%0,5 | bu yazıdaki örnek eşik; kaynağa ve bağlama göre değişir |
Biyobelirteç eşikleri (HbA1c, kan basıncı) hasta tarafından algılanan MCID'den farklı, dolaylı ölçütlerdir; bu yüzden yaklaşık ve bağlama bağlı yorumlanmalı.
Yukarıdaki antidiyabetik örneğinde HbA1c farkı %0,1 ve güven aralığı da (aşağıdaki raporlama örneğinde %0,06-%0,14) örnek eşiğin (~%0,5) tamamen altında; p değeri ne kadar küçük olursa olsun bu fark tek başına klinik fayda göstermiyor. Bir MCID eşiğinin tek bir hastanın değişimini mi yoksa iki grubun ortalamaları arasındaki farkı mı yorumlamak için kullanıldığı da ayrıca belirtilmelidir; yaşam kalitesi gibi hasta bildirimli sonlanımlar için bu ayrımı hasta bildirimli sonuçlar yazımızda ele aldık.
Uyarı
MCID değerleri parametreye, hasta popülasyonuna ve belirlenme yöntemine göre değişebiliyor. Kullanılacak eşik literatürden alınırken çalışma popülasyonuna uygun referansı seçmek gerekiyor.
Büyük örneklem paradoksu
İstatistiksel güç üç şeye bağlı: etki büyüklüğü, örneklem büyüklüğü ve alfa düzeyi. Örneklem yeterince büyükse, klinik olarak önemsiz bir etki bile p < 0,05 verebiliyor. Örneğin 10.000 kişilik bir çalışmada plasebo grubunda ortalama HbA1c %7,80, ilaç grubunda %7,75 olsun; fark %0,05, standart sapma %0,625 ise Cohen's d = 0,08 ve p ≈ 0,0001. Sonuç istatistiksel olarak anlamlı; ama %0,05'lik ham fark örnek eşiğin (~%0,5) onda biri olduğu için hasta açısından pratik değeri yok denecek kadar az. Tersine, 50 kişilik bir çalışmada klinik olarak değerli görünen bir fark anlamlı çıkmayabiliyor ve güven aralığı hem sıfırı hem önemli farkları kapsayabiliyor. Bu durumda örneklem büyüklüğü hesaplama yapılıp gelecek çalışma için uygun hasta sayısı önerilebiliyor.
Etki büyüklüğü: p'nin eksik bıraktığını tamamlıyor
p değeri tek başına yeterli değil; standartlaştırılmış etki büyüklüğü (Cohen's d, Hedges' g, eta-kare) etkiyi ölçüm biriminden bağımsız bir ölçekte ifade eder ve çalışmalar arasında karşılaştırmayı kolaylaştırır. Klinik anlamlılık ise ham farkın ve güven aralığının önceden belirlenmiş MCID ile karşılaştırılmasıyla yorumlanır (Schober ve ark., 2018).
| Cohen's d | Yorum |
|---|---|
| < 0,2 | Küçük eşiğinin altında |
| 0,2 - 0,5 | Küçük |
| 0,5 - 0,8 | Orta |
| > 0,8 | Büyük |
Bu eşikler (Cohen'in 0,2 / 0,5 / 0,8'i) keyfî değerler ve katı biçimde yorumlanmamalı; Cohen de onları yalnızca karşılaştırılacak literatür bulunmadığında başvurulacak bir çare olarak önermişti. En iyi yol, etkiyi alandaki benzer çalışmalarla karşılaştırıp pratik sonucunu anlatmak (Lakens, 2013).
Küçük etki büyüklüğü her zaman değersiz mi?
Klinik olarak küçük bir etki bazı durumlarda yine de değerli olabiliyor:
- Düşük maliyetli müdahale: yan etkisi minimal, ucuz bir yöntem küçük fayda bile sağlasa kabul edilebilir.
- Geniş popülasyon: milyonlarca kişide %0,1'lik iyileşme, toplum sağlığı açısından büyük etki yaratabilir.
- Kombinasyon tedavisi: tek başına küçük etkili bir ilaç, diğer tedavilerle birlikte klinik fayda sağlayabilir.
- Yan etki azalması: etkisi aynı ama yan etkisi daha az bir ilaç, küçük bir avantaj bile sunsa tercih edilebilir.
Bu bağlamları tartışma bölümünde açıklamak, "etkimiz küçük çıktı" eleştirisini önceden karşılayan güçlü bir strateji.
Raporlamada doğru yaklaşım
Sonuçlar bölümünde istatistiksel sonuçla birlikte klinik yorum da verilmeli: "Tedavi grubunda HbA1c ortalaması plasebo grubuna göre %0,1 daha düşük bulunmuştur (%95 GA %0,06-%0,14; p < 0,001; Cohen's d = 0,15). Bu fark istatistiksel olarak anlamlı olmakla birlikte, önceden belirlenen klinik eşiğin (%0,5) altındadır."
Tartışma bölümünde MCID referans gösterilerek klinik bağlam tartışılır: "Gözlenen HbA1c düşüşü klinik anlamlılık eşiğinin altında kalmıştır; ancak kombinasyon tedavisindeki rolü, maliyet-etkinlik ve yan etki profili birlikte değerlendirildiğinde ek seçenek olarak değerlendirilmeye değer olabilir."
Ham farkı (örneğin 3,2 mmHg), standartlaştırılmış etki büyüklüğünü (Cohen's d = 0,41) ve MCID'ye göre yorumu birlikte sunmak, hakemlerin takdir ettiği bir şeffaflık sağlıyor. p değeri anlamsız çıktığında ne yapılacağını bilmek de bu sürecin doğal tamamlayıcısı.
İpucu
Başlık ve özette bulguları şişirmemekte fayda var. "Yeni ilaç HbA1c kontrolünde etkili bulundu" yerine "Yeni antidiyabetik ajan HbA1c üzerinde küçük bir etki gösterdi" ifadesi daha dürüst; hakemler de bu nüansı fark edebiliyor.
İstatistiksel ve klinik anlamlılık ayrımının doğru yapılması, tartışma bölümünün kalitesini belirliyor. Model İstatistik ekibi olarak analiz sonuçlarınızın hem istatistiksel hem klinik perspektiften yorumlanmasında araştırmacıya rehberlik ediyoruz.
Not: Buradaki fark, etki büyüklüğü ve MCID değerleri kavramı göstermek için seçilmiş örneklerdir; eşikler parametreye ve popülasyona göre değişir, kesin yorum çalışmanın kendi verisi üzerinden yapılır.
Kullanılan kaynaklar
- Jaeschke R, Singer J, Guyatt GH. Measurement of health status. Ascertaining the minimal clinically important difference. Controlled Clinical Trials. 1989;10(4):407-415. · DOI
- Kelly AM. Setting the benchmark for research in the management of acute pain in emergency departments. Emergency Medicine (Fremantle). 2001;13(1):57-60. · DOI
- Todd KH, Funk KG, Funk JP, Bonacci R. Clinical significance of reported changes in pain severity. Ann Emerg Med. 1996;27(4):485-9. PMID 8604867
- Holland AE, Hill CJ, Rasekaba T, ve ark. Updating the minimal important difference for six-minute walk distance in patients with chronic obstructive pulmonary disease. Arch Phys Med Rehabil. 2010;91(2):221-5. PMID 20159125
- Puhan MA, Mador MJ, Held U, ve ark. Interpretation of treatment changes in 6-minute walk distance in patients with COPD. Eur Respir J. 2008;32(3):637-43. PMID 18550610
- Blood Pressure Lowering Treatment Trialists' Collaboration. Pharmacological blood pressure lowering for primary and secondary prevention of cardiovascular disease across different levels of blood pressure: an individual participant-level data meta-analysis. Lancet. 2021;397(10285):1625-36. PMID 33933205
- Wasserstein RL, Lazar NA. The ASA statement on p-values: context, process, and purpose. Am Stat. 2016;70(2):129-33.
- Schober P, Bossers SM, Schwarte LA. Statistical significance versus clinical importance of observed effect sizes: what do P values and confidence intervals really represent? Anesth Analg. 2018;126(3):1068-72. PMID 29337724
- Lakens D. Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Front Psychol. 2013;4:863. PMID 24324449