当P值<0.001,差异极显著?
当P值<0.05时,我们可以下结论说,组间的差异有统计学意义了。有些研究者在报告类似结果(P<0.05)时,用差异具有显著性这个表述。显著性(significant)这个词,很多时候可能会产生歧义,比如P<0.01非常显著,P<0.001极显著,等等。读者在看到显著这个用词时,往往会联想到差异显著,也就是差异很大的意思。但实际上,P值非常小,组间的差异不一定大,也可能是样本
当P值<0.05时,我们可以下结论说,组间的差异有统计学意义了。有些研究者在报告类似结果(P<0.05)时,用差异具有显著性这个表述。显著性(significant)这个词,很多时候可能会产生歧义,比如P<0.01非常显著,P<0.001极显著,等等。读者在看到显著这个用词时,往往会联想到差异显著,也就是差异很大的意思。但实际上,P值非常小,组间的差异不一定大,也可能是样本

不仅仅是医学研究生和研究者,即使是我这样的统计工作者,绝大多数情况下,P值≤0.05,都是一个让人心情愉悦、浑身舒畅的结果:欧耶,“显著”!但是科研与生活无异。“不如意事常八九,可与人言无二三”。很多时候我们的数据不争气,在我们翘首企盼阳性结果时,她却选择了沉默,给了我们一个无言的结局:P>0.05。所以,作为一名科研人,学会正确面对这种“不如意事”:理解这沉默背后的含义、成因并采取正确的对

上周给博士班上完课,有同学问了一个问题:写论文时,不同统计表中的患者例数(基数)是否可以不同?结论:当然可以,比如下面这两个出自同一研究的统计表。简单来说:不同的统计分析过程有不同的目的。比如我们分析患者在研究期间发生的不良事件情况,目的是安全性评价,而对比有效率的高低,目的是疗效评价。所以从实践角度,我们在同一个临床试验中得到的数据,为了分析疗效和安全性,会分为疗效和安全性两个数据集。根据ICH