В статье представлены теоретические основы проведения медико-биологических исследований, включая важнейшие вопросы их планирования, связанные с проверкой статистических гипотез. Описаны классификация статистических гипотез, статистических критериев, этапы проверки гипотез, основанных на оценке статических критериев. Дана характеристика ошибкам 1-го и 2-го типа, статистической мощности, статическим критериям, которые могут использоваться для проверки гипотез о законах распределения данных. Показано, что выбор статического критерия проверки статистической гипотезы зависит от цели и задач исследования, дизайна, типа переменной и распределения данных, количества выборочных совокупностей и числа наблюдений в них, мощности самого статистического критерия, позволяющего выявлять различия или отклонять нулевую гипотезу.
Цель данной статьи заключается в попытке продемонстрировать необходимость проверки статистических гипотез на различных этапах проведения медико-биологических исследований, применяемых в доказательной медицине. Показана важность определения оптимального числа наблюдений изучаемой группы на этапе планирования исследования с учетом статистической мощности и ошибок 1-го и 2-го типа, обеспечивающие правомочность результатов проверки гипотез. Надеемся, что данная статья поможет исследователям осуществлять научно обоснованное планирование исследования, корректно использовать статистические критерии для анализа и интерпретации полученных результатов, основанных на проверке статистической гипотезы.
The article presents the theoretical foundations of conducting medical and biological research, including the most important issues of their planning related to testing statistical hypotheses. The classification of statistical hypotheses, statistical criteria and stages of testing hypotheses based on the assessment of statistical criteria are described. The characteristics of type 1 and type 2 errors, statistical power, and statistical criteria that can be used to test hypotheses about the data distribution laws are given. It is shown that the choice of a statistical criterion for testing a statistical hypothesis depends on the purpose and objectives of the study, design, type of variable and data distribution, the number of sample populations and the number of observations in them, the power of the statistical criterion itself, which allows identifying differences or rejecting the null hypothesis
The aim of this article is to attempt to demonstrate the need for testing statistical hypotheses at various stages of biomedical research used in evidence-based medicine. The importance of determining the optimal number of observations of the study group at the stage of research planning is shown, taking into account statistical power and errors of the 1st and 2nd types, ensuring the validity of the results of hypothesis testing. We hope that this article will help researchers to plan the study, correctly use statistical criteria for the analysis and interpretation of the obtained results based on the testing of the statistical hypothesis.
- Военно-медицинская статистика: учебник; под ред. В.И.Кувакина, В.В.Иванова. – СПб.: ВМедА, 2005. – 528с.
- Гржибовский, А.М. Выбор статистического критерия для проверки гипотез / А. М. Гржибовский // Экология человека, 2008. – № 11. – С. 48 – 57.
- Гржибовский А. М., Иванов С. В., Горбатова М. А. Анализ номинальных и ранговых переменных данных с использованием программного обеспечения Statistica и SPSS // Наука и здравоохранение. – 2016. – №6. – С. 5 – 39.
- Жильцов, И.В. Основы медицинской статистики. Дизайн биомедицинских исследований: практическое руководство / И.В. Жильцов, В.М. Семенов, С.К. Зенькова. – Витебск: ВГМУ, 2014. – 154 с.
- Красько, О. В. Статистический анализ данных в медицинских исследованиях: в 2 ч. /О. В. Красько. – Минск: МГЭУ им. А.Д. Сахарова, 2014. – Ч. I. – 127 с.
- Куприенко Н.В. Статистика. Методы анализа распределений. Выборочное наблюдение. 3-е изд. : учеб. пособие. / Н. В. Куприенко, О.А. Пономарева, Д. В. Тихонов. – СПб.: Изд-во Политехн. ун-та, 2009. – 138 с.
- Лемешко Б.Ю. Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход: монография/Б.Ю.Лемешко, С.Б. Лемешко, С.Н.Постовалов, Е.В.Чимитова. – Новосибирск: Изд-во НГТУ, 2011. – 888с.
- Медик, В. А. Статистика в медицине и биологии : рук. в 2 т. Т. 1. Теоретическая статистика / В. А. Медик, М. С. Токмачев, Б. Б. Фишман. М. : Медицина, 2000. – 455 с.
- Петри, А. Наглядная медицинская статистика / А. Петри, К. Сэбин; пер.с англ. В.П.Леонов. – 3-е изд., перераб. и доп.– Москва : ГЭОТАР-Медиа, 2019. – 216 с.
- Реброва, О. Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ Statistica /О. Ю.Реброва – М.: МедиаСфера, 2006. – С.166 – 176.
- Реброва О. Ю. Описание статистического анализа данных в оригинальных статьях. Типичные ошибки/ О. Ю.Реброва //Медицинские технологии, 2011. – № 4. – С.36 –40.
- Харькова О.А., Соловьев А.Г. Статистические методы и математическое моделирование: учебное пособие / О.А. Харькова, А.Г. Соловьев. – Архангельск: Изд-во Северного государственного медицинского университета, 2017. – 164 с.
- Шеламова, М. А. Статистический анализ медико-биологических данных с использованием программы Excel : учеб.-метод. пособие / М. А. Шеламова, Н. И. Инсарова, В. Г. Лещенко. – Минск : БГМУ, 2010. – 96 с.
- Lehmann EL. The Fisher, Neyman-Pearson theories of testing hypotheses: one theory or two? J Am Stat Assoc. – 1993. – Vol. 88. – P. 1242– 1249.
- Moher D, Dulberg CS, Wells GA. Statistical power, sample size, and their reporting in randomized controlled trials. JAMA. – 1994. – Vol.272. – P. 122–124.
- Ланг. Т.А., Сесик М. Как описывать статистику в медицине. Аннотированное руководство для авторов, редакторов и рецензентов //Т.А.Ланг, М.Сесик; пер.с англ. под ред. В.П. Леонова. – М.; Практическая медицина, 2011. – 480 с.
- Ласта Джон М., Власов В.В., Вербицкая Е.В. Эпидемиологический словарь. – Москва, 2009. – 316 с.
- Банержи, А. Медицинская статистика понятным языком: вводный курс / А. Банержи. – М. : Практическая медицина, 2007. – 287 с.
- Власов, В.В. Значение научных публикаций в специализированных журналах /В.В.Власов //Росс. вестник акушера-гинеколога. – 2010. – № 10 (4). – С. 72 – 75.
- Гланц, С. Медико-биологическая статистика / С. Гланц. – М. : Практика, 1999. – 334 с.
- Гринхальх, Т. Основы доказательной медицины / Т. Гринхальх. – М. : ГЭОТАР-МЕД, 2004. – 240с.
- Леонов, В. П. Ошибки статистического анализа биомедицинских данных / В.П. Леонов //Международный журнал медицинской практики. – 2007. – № 2 – С.19–35.
- Флетчер, Р., Флетчер, С., Вагнер, Э. Клиническая эпидемиология. Основы доказательной медицины. – М.: Медиа Сфера, 2004. – 297с.
- Мороз И.Н. Оценка статистической и клинической значимости в медико-биологических исследованиях / И.Н.Мороз //Медицинский журнал. – 2020. – № 1 (71). – С. 97-103.
- Павлова, В. Ю. Основные вопросы статистического анализа в медицинских исследованиях /В. Ю. Павлова // Клиническая онкогематология. – 2009. – Т.2. – № 4. – С.374–377.
- Altman, D.G. Statistical guidelines for contributors to medical journals / D.G. Altman, S.M. Gore, M.J. Gardner, S.J. Pocock // British Medical Journal. – 1983. – Vol. 286. – Р. 1489 – 1493.
- Berger JO, Sellke T. Testing a point null hypothesis: the irreconcilability of P values and evidence. J Am Stat Assoc, – I987. – Vol. 82. – P. 112 – 122.
- Brophy JM, Joseph L. Placing trials in context using Bayesian analysis. GUSTO revisited by Reverend Bayes. JAMA. – 1995. – Vol.273. – P. 871 – 875.
- Burton PR, Gurrin LC, Campbell MJ. Clinical significance not statistical significance: a simple Bayesian alternative to p-values. J Epidemiol Community Health. – 1998. – Vol.52. – P. 318 – 323.
- Gardner, M.J, Altman. D.G. Confidence intervals rather than P values: estimation rather than hypothesis testing. / M.J. Gardner, D.G. Altman //BMJ. – 1986. – Vol.292. – P. 746 – 50.
- Goodman, S.N. Toward evidence-based medical statistics. 1: The P value fallacy. Ann Intern Med. – 1999. – Vol. 130. – P. 995 – 1004.
- Goodman, S.N. Towards evidence-based medical statistics: 1: The Bayes factor. Ann Intern Med. – 1999. – Vol. 130. – P. 1005 – 1013.
- Feinstein AR. P-values and confidence intervals: two sides of the same unsatisfactory coin. J Clin Epidemiol. – 1998. – Vol. 51. – P. 355 – 360.
- Fisher, R.A. Statistical methods and scientific inference. London: Collins Macmillan, 1973.
- Freiman JA, Chalmers TC, Smith H, Kuebler RR. The importance of beta, the type II error, and sample size in the design and interpretation of the randomized controlled trial. In: Bailar JC, Mosteller F. ads. Medical uses of statistics. Boston, Ma: NEJM Books. – 1992. – P. 357 – 373.
- Easterbrook PJ, Berlin JA, Gopalan R, Matthews DR. Publication bias in clinical research. Lancet. – 1991. – Vol. 337. – P. 867 – 72.
- Kline R.B. Beyond significance testing: Performing data analysis methods in behavioral research. APA, 2004.
- Lang, T. Twenty Statistical Errors Even YOU Can Find in Biomedical Research Articles. Croatian Medical Journal. – 2004. – Vol. 45(4). – P. 361 – 370.
- Mulward S, Gшtzsche PC. Sample size of randomized double-blind trials 1976–1991. Dan Med Bull. – l996. – Vol. 13. – P. 96 – 98.
- Sterne, J.A.C., Smith, G. D. Sifting the evidence – what’s wrong with significance tests? / J.A.C.Sterne, G. D. Smith //British Medical Journal. – 2001. – Vol. 322. – P. 226–31.
- Thompson B. «Statistical», «practical» and «clinical»: How many kinds of signifi¬ cance do counselors need to consider? // Journal of Counseling and Development. – 2002. – Vol. 80. 1. 64–71.
- Yancy J.M. Ten rules for reading clinical research reports /Yancey JM. //Am J Surg. – 1990. – Vol. 159(6). – P. 533-9.
- Непесова, Д. К. Проверка статистических гипотез: теория и практика в современных исследованиях / Д. К. Непесова // Eo ipso. – 2025. – № 3. – С. 7-9.