Last ned PDF (154 sider) - Oslo universitetssykehus

Det finnes forskjellige typer statistiske hypotesetester for forskjellige typer data
og problemstillinger. Det er viktig å vite om det skal benyttes parametriske tester
(hvis det dreier seg om en Gaussfordelt variabel - også kalt normalfordelt) eller
ikke-parametriske tester (hvis det dreier seg om en variabel som ikke har en
normalfordeling i undersøkelsespopulasjonen).
Det er viktig å ha et kritisk blikk for hva som er en klinisk eller biologisk
betydningsfull forskjell mellom gruppene. Ikke sjelden kan man finne en
statistisk signifikant forskjell mellom to grupper som ikke er av biologisk
betydning. Dersom svært mange individer eller forsøksobjekter inkluderes, kan
en liten og ubetydelig biologisk forskjell påvises med statistisk signifikans.
Tilsvarende kan det oppnås statistisk signifikante relasjoner eller forskjeller
dersom det testes på mange variabler etter at studien er gjennomført, nettopp på
grunn av det høye antallet parametre som blir analysert. Kravet til statistisk
signifikans blir større ved testing av mange variabler (kfr. Bonferronis
korreksjon). Hvis man ønsker å teste mange hypoteser, bør man tenke gjennom
dette ved planleggingen av studien og ta hensyn til det ved bestemmelse av
signifikansnivå og størrelse på studien.
De fleste biomedisinske publikasjoner inneholder et avsnitt om statistikkbruk, og
dette beskriver nettopp de forhold som er nevnt ovenfor. Et slikt avsnitt bør
omtale valg av forsøksplan/studiedesign (for eksempel randomisert, kontrollert,
blind, åpen – se kap. 8), metoder for å analysere dataene (for eksempel t-test,
ikke-parametriske tester, anova), dataverktøy (for eksempel SPSS, Excel, SAS,
EpiData, NCSS), valg av signifikansnivå (α) og hvordan utvalgsstørrelsen er
beregnet (basert på styrkeberegning). Denne kunnskapen er nødvendig før starten
av en studie. En del av denne informasjonen bør forskeren beherske selv. Men i
planleggingen av større undersøkelser er det viktig å søke råd tidlig hos statistiker
71