Statistiske begreber (p, RCT, meta-analyse)

Biologi · 10. klasse · Kommunikation

Avanceret statistik — forstå den videnskabelige evidens 📊

Alt hvad du hører om sundhed, medicin og biologi baseres på statistik. Uden at forstå p-værdier, RCT-design og meta-analyser kan du ikke vurdere om en nyhed er sand eller falsk. Det er en af de vigtigste kompetencer du kan erhverve som kritisk borger.

P-værdien — hvad er det?

Definitionen: P-værdien er sandsynligheden for at observere et resultat så ekstremt som dit (eller mere ekstremt), givet at nulhypotesen er sand.

P < 0,05: Kun 5% sandsynlighed for dette resultat under nulhypotesen → vi afviser nulhypotesen → "statistisk signifikant"

Hvad P IKKE er:

• Sandsynlighed for at din hypotese er rigtig
• Sandsynlighed for at resultatet er sandt
• Et mål for hvor vigtig effekten er
• En absolut grænse for "sandhed"

Eksempel:

• Vitamin C og forkølelse: p = 0,03
• Statistisk signifikant!
• Men effect size: vitamin C forkorter forkølelse med 0,5 dage
• Klinisk irrelevant (halv dag = ingen forskel i praksis)

Effect size

Effect size = størrelsen af effekten — uafhængig af stikprøvestørrelse.

Mål:

• Cohens d: (middelværdi₁ - middelværdi₂) / poolet SD
• d = 0,2 = lille, 0,5 = medium, 0,8 = stor
• Odds Ratio (OR): hvor meget mere sandsynligt ved eksponering?
• Number Needed to Treat (NNT): hvor mange skal behandles for at én patient gavn?

Princip: Et studie med n = 100.000 kan finde statistisk signifikant effekt for en klinisk meningsløs forskel. Altid rapportér BÅDE p og effect size!

RCT — Randomiseret Kontrolleret Forsøg

Guldstandard for medicinsk evidens:

Design:

1. Rekruttér deltagere der opfylder inklusionskriterier

2. Randomisér tilfældigt til behandling eller kontrol

3. Korrekt kontrol: placebo (sukkerpille), sham-procedure

4. Blindning: deltagere ved ikke hvem får behandling

5. Dobbelt-blindning: heller ikke forskerne ved (reducerer bias)

6. Mål outcome

7. Statistisk analyse

Eksempel — Pfizer COVID-vaccine RCT:

• 43.548 deltagere
• 50% vaccine, 50% placebo
• Blindet: alle fik en injektion (ingen vidste hvad)
• 95% efficacy mod symptomatic COVID-19

Bias i RCT'er:

• Selektion-bias: deltagere er ikke repræsentative for populationen
• Attrition-bias: frafald skæves mod sygere deltagere
• Rapporterings-bias: negative studier publiceres sjældnere (publication bias)
• Performance-bias: forskelle i behandlingsprotokol

CONSORT-diagram: standard rapporteringsformat for RCT (viser flowet af deltagere fra rekruttering til analyse)

Systematisk review og meta-analyse

Systematisk review:

• Søger ALLE studier om et spørgsmål (PubMed, Embase, Cochrane, ClinicalTrials.gov)
• Inkluderer/ekskluderer systematisk
• Vurderer risiko for bias i hvert studie
• Opsummerer evidensens kvalitet

Meta-analyse:

• Kombinerer data fra mange studier statistisk
• "Pooler" resultaterne → ét overordnet estimat
• Øget statistisk styrke
• Forest plot: visualiserer hvert studies effect og det samlede estimat
• Heterogenitet (I² statistik): er studierne så ens at pooling giver mening?

Eksempel: "Virker omega-3 mod depression?"

• 50 RCT'er existerer
• Systematisk review og meta-analyse: poolet effect size d = 0,3 (lille men signifikant)
• Heterogenitet I² = 72% (studierne er meget forskellige!)
• Konklusion: lille effekt, men inkonsistent på tværs af populationer

Evidenshierarki

Fra lavest til højest:

1. Ekspert-mening

2. Case report (ét tilfælde)

3. Case series (flere tilfælde)

4. Kohorte-studie (observational, med kontrol)

5. Case-kontrol-studie

6. RCT ← guldstandard for intervention

7. Systematisk review + meta-analyse ← bedste evidens

Cochrane-samarbejdet (cochrane.org):

• Uafhængig, non-profit
• Producerer systematiske reviews af høj kvalitet
• Gratis at søge og læse resuméer

Konfundering og kausalitet

Korrelation ≠ kausalitet:

• Iskrem-salg korrelerer med drukneulykker — er iskrem årsag? NEJ! (begge stiger om sommeren)
• Biologisk plausibilitet + dosis-respons + tidsrækkefølge → stærkere kausal argument

Konfunder: en tredje variabel der forklarer sammenhængen

Pas på dette: Medierne er dårlige til at formidle statistik. "Ny forskning viser X" er typisk ét observationsstudie — ikke bevis for kausalitet. Tjek ALTID: Var det et RCT? Hvad var effect size? Er det replikeret?

Læringsmål

• Forklare p-værdiens definition korrekt og hvad det IKKE er
• Beregne Cohens d fra to gruppers middelværdi og SD
• Beskrive RCT-designets 6 elementer og reducere bias
• Forklare forskellene mellem systematisk review og meta-analyse
• Placere studietyper i evidenshierarki og begrunde placeringen
• Identificere konfundering og diskutere kausalitet vs. korrelation i biologiske eksempler

Fordybelses-projekter 📊

1. Cochrane-søgning: Gå på cochrane.org. Søg på "vitamin C cold" eller "omega-3 depression". Læs review-resuméet.

2. P-hacking-demo: Research "p-hacking" og "HARKing" (Hypothesizing After Results are Known). Hvad er replication crisis?

3. CONSORT-diagram: Find et CONSORT-diagram i en publiceret RCT. Forstå flowet fra rekruttering til analyse.

4. Vurder en sundhedsnyhed: Find en aktuel sundhedsnyhed. Spor den til primær studie. Hvad var studiedesignet?

Brobygning: STX biologi A (videnskabsteori), matematik (statistik), samfundsfag. Statistisk evidens-fortolkning er afgørende for alle beslutningstagere — i politik, medicin, erhverv, forskning.