Иногда кажется, что есть бесконечное число всевозможных статис­тических критериев. В действительности большинство статистиков ис­пользуют около дюжины таких критериев. Остальные не столь важны и применяются в особых случаях. Если работа, которую вы читаете, является описанием стандартного набора данных, которые были собра­ны также стандартным образом, но при этом используется малоизвес­тный статистический критерий, который и не упоминается в базовых учебниках статистики, у вас должно возникнуть подозрение. Авторам в таких ситуациях следует изложить, почему они использовали именно этот критерий, и дать ссылку (с номерами страниц) на его обстоятель­ное описание.

Анализировались ли данные в соответствии с оригинальным про­токолом исследования?

При достаточно длительным исследовании вы неизбежно обнаружите категорию больных, которые особенно хоро­ши или плохи для ваших выводов. В конце концов вы найдете подгруппу сильным различием, хотя оно может быть и случайным.

Подобным образом, если вы играете, подбрасывая монету, не имеет значения, как далеко она упадет, настанет время, когда вы будете в вы­игрыше. Большинство людей прекратили бы игру, если бы у нее не было справедливых правил.

Для многих нестатистиков, термины «корреляция» и «регрессия» си­нонимичны и смутно связаны с образом графика рассеяния с точками, распределенными вдоль диагональной линии, проходящей через пересе­чение осей. Вы были бы правы, предположив, что если два признака не коррелируют, то нет смысла пытаться использовать регрессию. Однако регрессия и корреляция являются различными статистическими терми­нами, которые выполняют разные функции.

• данные (или, точнее, значения в популяции, из которой взята вы­борка) должны быть нормально распределены;

• две переменные должны быть структурно независимыми (т.е. нельзя произвольно изменять значение как одной, так и другой перемен­ной). Если они не являются независимыми, то следует использо­вать парный /-критерий или же другой парный тест;

• только одна пара измерений должна быть сделана у каждого субъекта, так как измерения, сделанные у последующих субъектов, должны быть статистически независимыми друг от друга, если мы хотим избежать сомнительных оценок интересующих нас параметров популяции;

Доверительный интервал, который хороший статистик может подсчи­тать на примере любого статистического критерия (/-тест, значение г, абсолютное уменьшение риска, объем наблюдений, необходимый для вывода, чувствительность, специфичность и другие ключевые черты ди­агностического теста), позволяет вам оценить как для «положительных» испытаний (тех, которые показывают статистически значимое различие между двумя исходами испытания), так и для «отрицательных» (тех, ко­торые не показывают различия) сильна или слаба сила фактов и являет­ся ли исследование окончательным (т.е. делает очевидной потребность в дальнейших похожих исследованиях). Подсчет доверительных интерва­лов освещен с большой ясностью в книге Gardner и AJtman «Статистика с доверием», их интерпретацию осуществили Guyatt и коллеги.

Если вы повторите одно и то же клиническое испытание сотни раз, вы не будете получать всегда точно такой же результат. Однако в среднем вы установите некий уровень различия (или отсутствия различия!) между двумя результатами испытания. В 90% испытаний различие между двумя исхо­дами находилось бы в пределах определенных широких границ, а в 95% испытаний оно лежало бы между более широкими рамками.