P DEĞERİ VE İSTATİSTİKSEL ANLAMLILIK

P değeri, araştırma sonuçlarında sık görülen fakat tek başına karar vermek için yeterli olmayan bir istatistiksel ölçüdür. Amerikan İstatistik Derneğinin açıklaması, bu değerin araştırılan hipotezin doğru olma olasılığını veya bulgunun önemini göstermediğini vurgular. Küçük bir p değeri, büyük ya da hasta açısından önemli bir etki demek değildir. Sonucu anlamak için çalışma tasarımı, ölçümlerin kalitesi ve diğer kanıtlar da değerlendirilmelidir.

Hesaplama belirli bir hipotez ve istatistiksel modelin doğru olduğu varsayımıyla yapılır. P değeri, seçilen test ölçüsünün gözlenen kadar veya daha uç olmasının bu varsayımlar altındaki olasılığıdır. Bu yönü ters çevirerek “hipotezin yanlış olma olasılığı” diye okuyamayız. Büyük bir p değeri de etkinin kesinlikle bulunmadığını göstermez; veri farklı etki büyüklüklerini birbirinden ayırmakta yetersiz kalmış olabilir.

Bir çalışmanın sonucunun “anlamlı”, diğerininkinin “anlamlı değil” diye etiketlenmesi, iki çalışmanın etkileri arasında kanıtlanmış fark olduğu anlamına gelmez. Gelman ve Stern, kuramsal ve uygulamalı örneklerle bu hatayı göstermiştir. Karşılaştırılması gereken yalnız etiketler değil, tahminlerin kendileri ve aralarındaki farkın belirsizliğidir. Bu uyarı özellikle farklı büyüklükteki araştırmaları veya alt grupları yan yana okurken önem taşır.

P değerinin sınırlarını öğrenmek, bütün anlamlılık testlerinin yasaklandığı anlamına gelmez. ASA başkanlığının görev grubu, 2021 açıklamasında doğru uygulanan ve yorumlanan testlerin yararlı araçlar olduğunu belirtmiştir. Karar için eşik gerekiyorsa çalışma amacı ve yanlış kararların sonuçları dikkate alınarak açıkça tanımlanmalıdır. Tek bir ölçü bütün belirsizlik türlerini karşılayamaz; hangi değişkenlik kaynaklarının ele alındığı ve hangilerinin dışarıda kaldığı açıklanmalıdır.

Tam ve arkadaşlarının karma yöntemli araştırmasında, Avustralya ve Yeni Zelanda’daki aile hekimlerine yönelik bir sosyal medya grubundan 247 kişi çevrimiçi anketi tamamlamıştır. En sık saptanan yanlış kavramsallaştırma, p değerini doğrudan gerçek dünyaya ilişkin bir olasılık gibi görmekti. Bulgular eğitim ihtiyacını düşündürür; ancak gönüllü ve tek çevrimiçi topluluktan katılım nedeniyle bütün hekimlerin bilgi düzeyini temsil eden kesin bir oran olarak kullanılamaz.