Volg ons op Instagram

Snelcursus

terug

Statistisch significant

Inleiding
In onze artikelen spreken we vaak over een “statistisch significant” resultaat. Wat houdt dit nu precies in? Zodra onderzoekers alle data voor een onderzoek verzameld hebben, moet dit verwerkt en geanalyseerd worden. Vervolgens moet er getest worden of de eventueel gevonden verschillen ook echt betrouwbaar verschillend zijn; dit wordt gedaan door middel van statistische toetsen. Op het moment dat zo’n statistische test uitwijst dat het gevonden verschil ook echt betrouwbaar is, wordt dit statistisch significant genoemd. In dit artikel zullen we dit concept verder uitleggen.


Wat betekent statistisch significant?
Ter illustratie nemen we eerst een voorbeeld van rokers en hart- en vaatziekten:

Stel dat een groep gezonde mensen tien jaar lang gevolgd wordt. Na die tien jaar blijkt dat in de groep met rokers 20% overleden is aan hart- en vaatziekten. Bij de niet-rokers is dit slechts 5%. Op het eerste oog lijkt dit een belangrijk verschil, maar of dit significant is moet aangetoond worden door middel van een statistische test.

We zullen niet verder ingaan op de wiskunde achter dit soort testen, maar het is wel belangrijk om het volgende te begrijpen:

De statistische significantie is vooral afhankelijk van twee factoren:

- De grootte van het verschil. Hoe groter het verschil tussen twee groepen, hoe groter de kans dat de twee groepen echt van elkaar verschillen en het niet puur op toeval berust.
- De hoeveelheid proefpersonen. Hoe minder mensen ermee doen, hoe onzekerder het gevonden resultaat wordt. De mate van onzekerheid wordt vaak uitgedrukt in een gemiddelde afwijking van het gemiddelde (standaarddeviatie).
Onderzoekers leggen de grens voor statistische significantie vaak bij 95%. Kort door de bocht gezegd betekent dit dat de onderzoekers voor meer dan 95% zeker moeten zijn dat het gevonden verschil ook echt verschillend is; anders concluderen ze dat er geen statistisch significant verschil is. Dit klinkt misschien heel vreemd, maar als we er rustig over nadenken wordt het logischer. Stel je het volgende scenario voor:

Het onderzoek naar het verband tussen roken en het overlijden aan hart- en vaatziekten wordt uitgevoerd bij 40 mensen (20 rokers en 20 niet rokers). Bij de rokers overlijden er in tien jaar 4 mensen (20%) en bij de niet-rokers slechts 1 (5%). Als je goed kijkt, zijn dit exact de percentages die we eerder in deze paragraaf ook noemden, maar als we zien wat de absolute verschillen zijn, dan lijkt dit verschil intuïtief al niet zo groot meer. Je kan je hierbij voorstellen het ook puur toeval kan zijn dat er een verschil tussen de groepen wordt gevonden. Dus ook hier geldt: wil je harde uitspraken kunnen doen dan moet je kijken naar een grotere groep mensen. Hoe wetenschappers de groepsgrootte in praktijk vaststellen laten we nu achterwege.


Waarom doen onderzoekers dit soort statistische testen?
De enige manier om 100% zeker te weten dat een verschil echt een verschil is, is door de hele wereldbevolking te meten. Dit is vanzelfsprekend niet mogelijk en daarom moeten onderzoekers bij een wetenschappelijk onderzoek altijd een steekproef nemen van de bevolking (de proefpersonen). Hierdoor blijf je altijd met een bepaalde onzekerheid van de uitkomsten zitten. Als de grens bij 95% wordt gelegd kan dit dus bijvoorbeeld betekenen dat onderzoek waarb

Klik hier voor het originele artikel op MedicusOnline.nl

terug