P值一直是臨床研究中評(píng)估結(jié)果統(tǒng)計(jì)學(xué)顯著性的核心指標(biāo)，雖應(yīng)用廣泛，卻常遭誤讀，從而可能對(duì)臨床決策產(chǎn)生負(fù)面影響。本文整理自《Br J Anaesth》發(fā)表的一項(xiàng)社論[1]，探討了P值的常見(jiàn)認(rèn)知誤區(qū)、過(guò)度依賴P值的后果、以及優(yōu)化結(jié)果解讀的方法。

P值的常見(jiàn)誤解

P值最常見(jiàn)的誤解之一，是認(rèn)為P值代表原假設(shè)為真的概率。許多人錯(cuò)誤地認(rèn)為，P值為0.05意味著該結(jié)果有5%的概率是偶然產(chǎn)生的。正如Staffa和Zurakowski[2,3]強(qiáng)調(diào)的那樣，P值常常在缺乏效應(yīng)值或置信區(qū)間的情況下被報(bào)告，導(dǎo)致混淆或錯(cuò)誤解讀。這種誤解往往使人們對(duì)具有統(tǒng)計(jì)學(xué)顯著性的結(jié)果過(guò)度自信。

另一個(gè)常見(jiàn)誤區(qū)，是認(rèn)為僅憑P值就能決定研究結(jié)果的有效性或重要性。通常，如果P值<0.05，結(jié)果被認(rèn)為“顯著”，但這一做法忽略了一個(gè)重要事實(shí)：統(tǒng)計(jì)學(xué)顯著性并不等同于臨床重要性。即使某項(xiàng)研究的樣本量很大，并得出了具有統(tǒng)計(jì)學(xué)顯著性的P值，其效應(yīng)值（effect size）可能極小，以至于在實(shí)踐中并無(wú)實(shí)際意義[4]。

多重比較中的I類錯(cuò)誤

顯著性檢驗(yàn)存在一定程度的誤差，包括I類錯(cuò)誤和II類錯(cuò)誤。I類錯(cuò)誤（假陽(yáng)性）指錯(cuò)誤地拒絕原假設(shè)，即實(shí)際上不存在效應(yīng)卻被判定為存在；II類錯(cuò)誤（假陰性）則是錯(cuò)誤地接受原假設(shè)，即實(shí)際存在效應(yīng)卻被判定為不存在。

在臨床試驗(yàn)中，當(dāng)單個(gè)研究進(jìn)行多重比較時(shí)就會(huì)出現(xiàn)多重性問(wèn)題[5]。隨著統(tǒng)計(jì)檢驗(yàn)次數(shù)的增加，I類錯(cuò)誤的發(fā)生率會(huì)放大。族錯(cuò)誤率（即一組假設(shè)檢驗(yàn)中至少出現(xiàn)一次I類錯(cuò)誤的概率）會(huì)隨著檢驗(yàn)次數(shù)的增加而上升。

多重性可能出現(xiàn)在多種場(chǎng)景中，包括：多個(gè)亞組間的比較、多個(gè)治療組的評(píng)估、多個(gè)結(jié)局指標(biāo)的測(cè)定，或?qū)ν唤Y(jié)局指標(biāo)在不同時(shí)間點(diǎn)的分析[6]。

研究者通常采用事后分析方法（如Bonferroni校正）來(lái)修正這一問(wèn)題，通過(guò)將預(yù)設(shè)的α水平（通常為0.05）除以比較次數(shù)來(lái)調(diào)整顯著性閾值。例如，進(jìn)行10次比較的研究，其校正后的閾值將變?yōu)?.005，這有助于降低I類錯(cuò)誤的發(fā)生概率[7]。然而，將P值閾值降至0.005也可能帶來(lái)重大挑戰(zhàn)。

過(guò)度依賴P值的后果

臨床研究中對(duì)P值的過(guò)度依賴引發(fā)諸多不良趨勢(shì)。首要問(wèn)題是發(fā)表偏倚，即P值更小的研究更容易獲得發(fā)表機(jī)會(huì)，這種偏倚可能扭曲證據(jù)基礎(chǔ)，最終導(dǎo)致采用無(wú)效甚至有害的治療方案[8]。

更值得警惕的是，為追求P值<0.05，部分研究者可能采取"P值操縱（P-hacking）"等不端行為，即通過(guò)多種方式反復(fù)分析數(shù)據(jù)直至達(dá)到顯著性標(biāo)準(zhǔn)[9]。

Greenland[10]指出，盡管P值本身設(shè)計(jì)合理，但濫用和誤解現(xiàn)象普遍存在，常導(dǎo)致研究結(jié)論被錯(cuò)誤批判或不當(dāng)應(yīng)用。為此他建議采用S值來(lái)替代，該指標(biāo)通過(guò)比特（bits）量化關(guān)聯(lián)強(qiáng)度，能有效降低數(shù)據(jù)誤讀風(fēng)險(xiǎn)。S值是P值的負(fù)二進(jìn)制對(duì)數(shù)變換，用于衡量數(shù)據(jù)相對(duì)于背景假設(shè)、模型及檢驗(yàn)假設(shè)的信息量。

例如，P值0.05對(duì)應(yīng)的S值為4.32比特，其為意外的程度僅略高于連續(xù)四次擲硬幣均出現(xiàn)正面的情況。當(dāng)P值趨近于零時(shí)，S值的比特?cái)?shù)將遞增，使其成為更直觀的證據(jù)強(qiáng)度評(píng)估指標(biāo)[11]。

P值的替代方案

鑒于 P值的局限性，我們需要能更好體現(xiàn)臨床意義的評(píng)估指標(biāo)。最小臨床重要差異（MCID）正是這樣一種指標(biāo)，代表患者能夠感知的最小療效差異，且該差異足以改變臨床決策[12]。

與僅關(guān)注統(tǒng)計(jì)顯著性的P值不同，MCID從患者角度強(qiáng)調(diào)研究結(jié)果的實(shí)際價(jià)值。例如，評(píng)估新型鎮(zhèn)痛技術(shù)時(shí)，研究者不應(yīng)僅關(guān)注疼痛評(píng)分是否具有統(tǒng)計(jì)學(xué)意義的下降，更需考量這種改善是否達(dá)到提升患者生活質(zhì)量的程度。

在樣本量、統(tǒng)計(jì)效能與臨床意義的關(guān)系方面，必須認(rèn)識(shí)到傳統(tǒng)效能計(jì)算往往只追求統(tǒng)計(jì)顯著性而忽視實(shí)際價(jià)值?；贛CID計(jì)算樣本量可確保研究具備檢測(cè)臨床相關(guān)差異的統(tǒng)計(jì)效能。此外，參照MCID解讀效應(yīng)估計(jì)值及其置信區(qū)間，能突顯研究結(jié)果的實(shí)踐意義，幫助臨床醫(yī)生判斷結(jié)果是否足以改善診療實(shí)踐。

來(lái)看一個(gè)假設(shè)案例：

某研究評(píng)估新型鎮(zhèn)痛藥對(duì)術(shù)后疼痛的管理效果，結(jié)果顯示疼痛評(píng)分顯著降低（P=0.03）。然而在10分量表上，疼痛評(píng)分僅降低1分。若不考慮最小臨床重要差異（MCID），這一結(jié)果可能被解讀為藥物有效的證據(jù)。但若該疼痛量表的MCID確定為2分，則研究觀察到的改善并未達(dá)到臨床意義閾值。此時(shí)，盡管P值具有統(tǒng)計(jì)學(xué)顯著性，該治療方案仍不能被認(rèn)定為臨床有效。這個(gè)案例展現(xiàn)了將MCID與統(tǒng)計(jì)分析結(jié)合的重要性——唯有如此，才能準(zhǔn)確理解研究結(jié)果的臨床價(jià)值。

Benjamin與Berger[13]對(duì)改進(jìn)P值使用提出了重要建議，主張?jiān)诟茖W(xué)的框架下運(yùn)用P值，并與其他統(tǒng)計(jì)指標(biāo)結(jié)合使用。他們提出的改革方案包含三大核心要素：

1、建議將顯著性閾值從0.05降低至0.005，以提升證據(jù)強(qiáng)度；

2、推薦在報(bào)告P值時(shí)同步呈現(xiàn)貝葉斯因子邊界值（BFB），避免對(duì)結(jié)果顯著性的過(guò)度解讀；

3、強(qiáng)調(diào)采用貝葉斯分析方法整合研究證據(jù)——通過(guò)將貝葉斯因子與先驗(yàn)概率結(jié)合，實(shí)現(xiàn)對(duì)研究結(jié)果的更全面評(píng)估。

除MCID外，建議在統(tǒng)計(jì)推斷中常規(guī)使用效應(yīng)值的置信區(qū)間（CI）。效應(yīng)值及其CI應(yīng)與P值配合報(bào)告，這種"三位一體"的呈現(xiàn)方式能更完整地詮釋研究結(jié)果：CI不僅反映估計(jì)精度，還展示真實(shí)效應(yīng)值可能存在的范圍，使研究者能清晰把握效應(yīng)值的不確定性。

圖1系統(tǒng)總結(jié)了研究者可采用的輔助方法，這些方法與P值互為補(bǔ)充，能顯著提升結(jié)果解讀的科學(xué)性與臨床價(jià)值。

圖1. 除P值外可增強(qiáng)研究結(jié)果有效性的方法總結(jié)

參考文獻(xiàn)

1. Br J Anaesth. 2025;134(4):909-913.

2. J Thorac Cardiovasc Surg 2022; 164: e37e8

3. J Thorac Cardiovasc Surg 2021;161: 1367e72

4. Am Stat 2016; 70: 129e33

5. Int J Epidemiol 2017; 46: 746e55

6. JAMA Netw Open 2020; 3, E203082

7. Int J Epidemiol 2017; 46: 746e55

8. BMJ 2001; 322: 226e31

9. AANA J 2016; 84: 305e8

10. Am Stat 2019; 73: 106e14

11. Glob Epidemiol 2022; 4, 100085

12. Control Clin Trial. 1989; 10: 407e15

13. Am Stat 2019; 73: 186e91