【Fiona带你读《《柳叶刀》临床研究基本概念》】(第12天)选择不同的α错误和把握度所产生的效果

8/22/2018

小全编辑

全科之窗|ABC平台

933

8/22/2018 12:00:00 AM

书上说:
    通常情况下,α=0.05,把握度=0.80,就足够了。然而,根据研究课题的不同,其他的假设也是合理的。例如,如果一种子宫切除术的标准预防性抗 生素是有效的且副作用很少,在一项研究新抗生素的试验中,我们可能为了减少假阳性结论的可能性将α错误设定得更低,比如0.01。我们甚至考虑将把握度降 到0.80以下,因为我们并不在意错过一个有效的治疗——有效而安全的治疗已经存在了。相反,如果研究者进行一项试验,应用一种标准预防性抗生素的同时, 补充了某种既便宜又安全的维生素,检验平衡是否发生改变。犯α错误几乎不会带来什么伤害,所以可以设定在0.10,这样可能更有意义。如果这宗便宜而简单 的干预能带来益处,我们当然不想错过它。因此,研究者可能提高把握度到0.99。
    关于α错误和把握度的不同假设直接改变了样本量的大小。减少α和增加把握度均导致样本量的增多:例如α从0.05减少到0.01促使样本量在把握 度=0.50的时候增加70%以及把握度=0.80的时候增加50%。当α=0.05的时候,把握度从0.05增加到0.08使样本量翻了1倍,从 0.50到0.99则几乎有5倍的增加。因此,α和把握度的选择决定了样本量和试验费用。

听我说:
    这是一个非常有趣的现象,是选择传统的α值,还是根据自己的研究要求,希望达到的效果选择α值。想要多一点的样本量还是想节约点费用?其实,想要结果 更好更精准,自然是样本量越大越好。一些研究会使用α错误的单侧检验来减少对样本量的估计,其实并不值得提倡。一项研究无论是假设单侧或双侧检验,应该是 相同的标准。因此,单侧检验α=0.025应该产生双侧检验α=0.05相同水平的证据。

你可以:
    想要让自己的研究更靠近真实,更具有可信性,不可随意减少样本量。

版权所有 ©2018 智医创工具 All Rights Reserved. 沪ICP备12048712号-4