💥 20 個 #常見的統計錯誤,你犯過,或是犯了卻不知道嗎?⠀
⠀
MedCalc 的作者 Frank,在 Facebook 分享了一篇跟統計相關的文章,叫做「生物醫學研究文章中,連你都可以發現的 20 個統計錯誤」,很有意思。(連結請見原始貼文)
⠀
我(蔡依橙)認真看完後,覺得蠻不錯的,於是把這 20 個統計錯誤的標題翻成中文,協助大家節省時間,如果剛好有興趣的,可再針對該部分去閱讀原文。接著,分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時,提供了不必要的精確。例如 60 公斤體重,硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組,變成次序變項,但沒有說明為什麼這樣分。像是 CRP 不以數值去統計,而分成低、中、高三組,卻沒說明為什麼這樣分。
⠀
3. 配對資料,只報告各組平均,卻沒報告其改變。也就是只報告治療前血壓、治療後血壓,卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用,尤其該用 median (interquartile range) 的,硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度,而非 95% CI。
⠀
6. 只報告 p 值,卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸,卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料,然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時,過於詳盡地比較了兩組受試者的基本資料,像是性別比例、年齡、體重、血壓等等,而且資料好得太奇怪。
⠀
12. 報告檢驗數值時,沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時,沒有說明一些介在灰色地帶的檢查結果,如何呈現與去除。
⠀
14. 使用圖片與表格,只是為了儲存數據,而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖,視覺主觀上給人的印象,竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時,搞不清楚 units of observation 是什麼,例如心臟病的觀察研究,在 1000 個患者中有 18 位心臟病發,那 units of observation 就是 18。但如果這個研究是以診斷正確率為主,那 sample size 就是 1000。
⠀
17. 把不顯著的統計,或 low power,解讀成 negative,而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究,前者為 explanatory / efficacy / laboratory,後者為 pragmatic / effectiveness / real world。嘗試兩種混著做,結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性,當成臨床的重要性。例如:癌症用新藥治療,統計上很顯著的好,但追蹤了五年,患者只延長了七天的壽命。這就是統計有顯著,但臨床意義不大的例子。
⠀
⠀
🗨 我(蔡依橙)的一些想法
⠀
由統計專業人的角度,來看生物醫學發表,是很有警惕意義的,能讓準備發表的朋友,仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看,作者也提到,這些錯誤在幾乎一半的生物醫學論文上反覆出現!這就代表,其實生物醫學論文要刊登,並不代表我們什麼錯都不能犯,相反地,這 20 個錯誤裡頭,有些就算犯了,也還是能被刊登。
⠀
以我們自己發表,以及過去協助同學的經驗來說,我會認為 2、7、10、14、15,是初學者也 #必須理解並避開的,其他的則是發表起步了之後,陸陸續續去注意,在往更高分期刊挑戰時,逐漸進步就行。
⠀
實務上,3 分以下的醫學期刊,幾乎沒有專門的統計查核,你只要能通過「一般同行」的統計知識審查就行。也就是說,我是一個放射科醫師,剛開始起步,投稿到放射科 3 分以下期刊,文章中的統計,只要「#一般有在做研究的放射科醫師」覺得可以就行,不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步,實務的協助,新思惟規劃了各種類型的研究課程,歡迎有興趣的朋友可以參考。目前正在開放報名中的,有以下三場工作坊,歡迎您瞭解各課程的課綱後,評估挑選最符合您需求的內容,前來上課,讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7(日)統合分析工作坊
無經費、資源少也能發表,不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17(日)臨床研究與發表工作坊
全新改款!跟著國際學者走,讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16(六)個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法,在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已,我們會舉實例,說明其意義、如何避開,在互動實作過程,實際由各位在自己的電腦上操作,從數據到軟體,從統計到繪圖,一次搞定,並避開常見錯誤,是真正以 #初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤,與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu
迴歸分析顯著性 在 新思惟國際 Facebook 的精選貼文
💥 20 個 #常見的統計錯誤,你犯過,或是犯了卻不知道嗎?⠀
⠀
MedCalc 的作者 Frank,在 Facebook 分享了一篇跟統計相關的文章,叫做「生物醫學研究文章中,連你都可以發現的 20 個統計錯誤」,很有意思。(連結請見原始貼文)
⠀
我(蔡依橙)認真看完後,覺得蠻不錯的,於是把這 20 個統計錯誤的標題翻成中文,協助大家節省時間,如果剛好有興趣的,可再針對該部分去閱讀原文。接著,分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時,提供了不必要的精確。例如 60 公斤體重,硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組,變成次序變項,但沒有說明為什麼這樣分。像是 CRP 不以數值去統計,而分成低、中、高三組,卻沒說明為什麼這樣分。
⠀
3. 配對資料,只報告各組平均,卻沒報告其改變。也就是只報告治療前血壓、治療後血壓,卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用,尤其該用 median (interquartile range) 的,硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度,而非 95% CI。
⠀
6. 只報告 p 值,卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸,卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料,然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時,過於詳盡地比較了兩組受試者的基本資料,像是性別比例、年齡、體重、血壓等等,而且資料好得太奇怪。
⠀
12. 報告檢驗數值時,沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時,沒有說明一些介在灰色地帶的檢查結果,如何呈現與去除。
⠀
14. 使用圖片與表格,只是為了儲存數據,而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖,視覺主觀上給人的印象,竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時,搞不清楚 units of observation 是什麼,例如心臟病的觀察研究,在 1000 個患者中有 18 位心臟病發,那 units of observation 就是 18。但如果這個研究是以診斷正確率為主,那 sample size 就是 1000。
⠀
17. 把不顯著的統計,或 low power,解讀成 negative,而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究,前者為 explanatory / efficacy / laboratory,後者為 pragmatic / effectiveness / real world。嘗試兩種混著做,結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性,當成臨床的重要性。例如:癌症用新藥治療,統計上很顯著的好,但追蹤了五年,患者只延長了七天的壽命。這就是統計有顯著,但臨床意義不大的例子。
⠀
⠀
🗨 我(蔡依橙)的一些想法
⠀
由統計專業人的角度,來看生物醫學發表,是很有警惕意義的,能讓準備發表的朋友,仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看,作者也提到,這些錯誤在幾乎一半的生物醫學論文上反覆出現!這就代表,其實生物醫學論文要刊登,並不代表我們什麼錯都不能犯,相反地,這 20 個錯誤裡頭,有些就算犯了,也還是能被刊登。
⠀
以我們自己發表,以及過去協助同學的經驗來說,我會認為 2、7、10、14、15,是初學者也 #必須理解並避開的,其他的則是發表起步了之後,陸陸續續去注意,在往更高分期刊挑戰時,逐漸進步就行。
⠀
實務上,3 分以下的醫學期刊,幾乎沒有專門的統計查核,你只要能通過「一般同行」的統計知識審查就行。也就是說,我是一個放射科醫師,剛開始起步,投稿到放射科 3 分以下期刊,文章中的統計,只要「#一般有在做研究的放射科醫師」覺得可以就行,不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步,實務的協助,新思惟規劃了各種類型的研究課程,歡迎有興趣的朋友可以參考。目前正在開放報名中的,有以下三場工作坊,歡迎您瞭解各課程的課綱後,評估挑選最符合您需求的內容,前來上課,讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7(日)統合分析工作坊
無經費、資源少也能發表,不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17(日)臨床研究與發表工作坊
全新改款!跟著國際學者走,讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16(六)個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法,在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已,我們會舉實例,說明其意義、如何避開,在互動實作過程,實際由各位在自己的電腦上操作,從數據到軟體,從統計到繪圖,一次搞定,並避開常見錯誤,是真正以 #初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤,與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu
迴歸分析顯著性 在 健身教官-應充明Jimmy Facebook 的最佳解答
《住在大腦裡的肥胖駭客》
這一本書探討了近代人類肥胖的最主要原因, 並深入分析我們對於美食無法抗拒的原因, 以及思考如何以更加正確策略地面對它們
生物在自然界, 為了維持生存與繁衍, 很自然的會去選擇高報酬率- 也是就是高熱量的食物, 畢竟人類在尚未進入農牧社會之前都是以狩獵為主. 在嚴苛的野外環境, 食物的選擇項目有限, 所以自然必須以有大量熱量密度(脂肪/蛋白質)的食物為主. 同時, 身體會盡量的留住攝取的所有熱量, 因為在食物來源不固定的狀態下, 體脂肪過低就意味著死亡
所以在大腦為了求生的運作下, 人體產生了兩個機制: 獎勵機制與脂肪守恆機制
“獎勵機制”是說大腦為了讓人類確保能夠攝取到生存必須的熱量, 會與食物取得的難易做一連串的評估, 然後選擇對自己最有效益的手段來達到目的. 譬如一個原始人會選擇一隻近在眼前的小羚羊捕獵, 而不會花兩天去追蹤一群在遷徙過程中的鹿群. 這裡的”獎勵”說的是生存的獎勵, 事實上, 與我們經常聽到在大腦中的”獎勵迴路” 是殊途同歸的
“脂肪守恆”機制聽起來很嚇人… 就是身體會了維持體脂肪的恆定, 會不斷讓你吃吃吃啦!!! 正如前述, 在大自然裡面, 體脂肪下降通常就意味著將無法堅持挺過未來大自然的挑戰. 所以假如大腦發現了你體脂肪有所波動 (下降), 就會督促你不斷的去找食物, 趕快把下降的體重補回來
以上兩個系統都是讓生物在自然環境下得以生存的方法. 特別是人類, 幾萬年的演化, 身體系統就是這麼運作的. 問題是, 工業革命距今才百來年, 然而這短短的時間之內, 人類生活的方式卻經歷了天翻地覆的改變. 即便在今天非洲一些原始部落, 生活方式是最接近我們老祖宗的, 要吃到一餐都必須要花好幾個小時跋山涉水的追蹤獵物, 或是挖掘根莖類; 然而我們進入現代化社會之後, 食物幾乎垂手可得, 現在甚至不用開伙, 不用出門, 就會有熱騰騰的食物送到你家門口, 只差不會有人捧著你的下巴幫你咀嚼了 (搞不好以後還真會有)
這樣就延伸出幾個問題: 首先, 在過去, 人們為了生存, 會去刻意追尋高熱量(糖類/脂肪/蛋白質)密度含量高的食物, 但是這些東西的供應並不會持續與充足, 同時要取得它們就得花掉九牛二虎之力.. 與現在剛好相反, 人類的大腦演化了幾千年, 文明進步卻只一百年, 所以我們還是跟過去一樣企求高熱量密度的食物, 但與此同時, 我們不再需要花一整天的時間打獵, 只為了吃一隻又大又肥的烤羊腿, 所以身體活度大量減少; 而我們一開門, 一開電視電腦手機, 卻又都是這一類食物的廣告, 你讓現代的人類怎麼會不肥胖
再來, 我們都知道增加肌肉量會提升基礎代謝(1kg/12~ 15Kcal), 可是增加體脂肪也會提升基礎代謝 (1kg/4~ 6Kcal)啊啊啊啊啊啊. 當你吃胖了以後, 大腦發現因為肥胖而增加了能量消耗, 會驅使你吃更多來維持當下的體重 (脂肪恆定). 你看看氣不氣人? 就是不管你變瘦或是變胖, 反正身體都會叫你一直吃啦!!!
近代, 科學家也發現了脂肪細胞分泌的”瘦素” (Laptin), 它的工作就是釋出訊號讓大腦告訴你”飽了”. 它原來的功能是平衡體重與體脂肪, 但是現代人飲食失衡, 過多的熱量攝取以及過快的體重上升, 在初期會使得瘦素為了平衡體重, 水平跟著上升, 但是正如前面提過, 人越胖就會愛吃, 所以瘦素根本追不上, 到了後期, 反而會讓身體對瘦素產生阻抗 (概念就跟胰島素阻抗的意思一樣)
書裡面也探討了大腦裡面的”獎勵迴路”, 也就是多巴胺的分泌會讓人產生成癮的結果, 高糖高油高脂肪的食物都會促進獎勵迴路的活躍, 讓人光是想像這些東西, 就會感到愉悅, 然後就是付諸實際行動去取得, 接下來就是無限的重複:
想吃- 去吃- 吃爽- 想吃- 去吃…..
後面幾個章節也討論了壓力過大, 睡眠不足都會在身體產生不同的改變, 而讓人更加的去追逐高熱量的食物.. (再寫下去我都開始餓了..)
那麼我們應該怎麼做呢?
1. 減少日常生活中不良食物的取得,與接觸的機會. 不要在公司, 家裡, 或是其他地方存放隨手可得的零食, 並有意識地避開 (例如路過) 提供這些不良食物的場所, 並且提升對於食物選擇份量以及營養價值的正確認識
2. 增加身體活動. 你覺得在健身房裡運動就足夠了嗎? 想像一下老一輩的人要在田裡耕作一天, 人類的老祖宗要翻山越嶺才可以飽腹一餐, 他們的活動量有多少? 所以我們應該要增加的是日常的消耗, 走路, 爬樓梯, 騎車通勤, 或是在工作時增加走動的機會等等
3. 壓力管理, 我們在很多的課程中都提到了皮質醇對身體的慢性影響, 面對壓力時, 絕大多數人會選擇大量進食來做一個舒緩或是逃避的手段, 但是這樣會進一步導致慢性病的發生. 所以我們應該要不段找到轉移或是減輕壓力的方法, (尋找屬於你的”心流”, 我之後再寫一下這一本書的心得) 不管是冥想, 運動, 與朋友相聚, 甚至是完美的性愛 (這書裡說的, 不是我開車..)
4. 確保每一天有足夠的睡眠, 根據研究睡眠不足的人在認知功能, 情緒, 肢體支配能力上都有顯著的下降, 更加容易導致飲食爆炸! 雖然靜靜需要多少睡眠才足夠, 因人而異, 但是最近不少專家都建議至少要維持7~7.5的優質睡眠. 要改善睡眠品質, 除了睡眠環境要準備好之外, 我們盡量增加白天與自然光接觸的機會, 可以讓我們管理晝夜的生理時鐘正常化, 到了晚上可以順利入睡
這一本書值得細細咀嚼, 不過也更加印證了我們不段強調的一件事: 行為改變!僅僅在健身房內的互動並不足以有效的改變會員的體重, 我們還必須把關注進一步的留意到會員的生活的其他部分, 才是對抗肥胖最有效的方法!
如果你上過Health Coach, 這更是另外一本推薦書單!!!