Polymers in Medicine
2015, vol. 45, nr 1, January-June, p. 7–9
Publication type: editorial article
Language: Polish
Świadome i nieświadome zniekształcanie wyników badań naukowych
Intentional and Non-Intentional Distortion of Research Findings
1 Katedra i Klinika Nefrologii i Medycyny Transplantacyjnej, Uniwersytet Medyczny im. Piastów Śląskich we Wrocławiu, Wrocław, Polska
Streszczenie
W obecnych czasach mamy do czynienia z zalewem informacji naukowych i ryzykiem zniekształcenia wyników badań. Autorzy artykułu zwracają uwagę na częste pułapki wnioskowania statystycznego w badaniach biomedycznych. Świadome (zamierzone) i nieświadome zniekształcenie wyników bywa pochodną niewłaściwego planowania badań, zbyt małej grupy badanej, stosowania niewłaściwego sposobu analizy danych. Przesadna motywacja badaczy do publikowania wszelkich wyników badań z osiąganiem za wszelką cenę poziomu istotności statystycznej (np. p < 0,05) może z kolei skłaniać ich do nadmiernej kreatywności czy manipulacji danymi (np. uelastycznianie protokołu badania i rozszerzanie kryteriów włączenia, sprawdzanie/zmienianie grup kontrolnych lub zmiana testów statystycznych).
Abstract
The flood of scientific information increases the risk of research findings distortion. The authors brought attention to the possible pitfalls of statistical inference in biomedical research. Due to intentional or non-intentional errors in study design and size, data collection and inappropriate statistical analysis some of research findings are false or exaggerated. Researchers excessively motivated to publish all possible study results sometimes seek any possible way to achieve p-value less than 0.05. False-positive study results can be obtained in underpowered studies, excessive flexibility in study designs and participants recruitment, probing different control groups, creating special subgroups or changing statistical tests.
Słowa kluczowe
wnioskowanie statystyczne, istotność statystyczna, wyniki badań naukowych
Key words
statistical inference, p value, statistical analysis
References (8)
- Ioannidis J.P.A.: Why Most Published Research Findings Are False. PLoS Medicine 2005, 2(8) e124.
- Stanisz A.: Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tom 1–3. Statystyki podstawowe. Kraków 2006.
- Http://homepage.stat.uiowa.edu/~rlenth/Power/ dostęp dn.15.03.2015
- Jager L.R, Leek J.T.: An estimate of the science-wise false discovery rate and application to the top medical literature. Biostatistics 2014, 15, 1, 1–12.
- Gelaman A., O’Rourke K.: Discussion: Difficulties in making inferences about scientific truth from distributions of published p-values. Biostatistics 2014, 15, 1, 18–23.
- Motulsky H.J.: Common misconceptions about data analysis and statistics. Pharma Res. Per. 2014, 3(1), e00093.
- West C.P., Dupras D.M.: 5 ways statistics can fool you — tips for practicing clinicians. Vaccine 2013, 31, 1550–1552.
- Ioannidis J.P.A.: How to Make More Published Research True. PLOS Medicine 2014, 11(10) e1001747.




