DOI: https://doi.org/10.1002/bimj.70148
PMID: https://pubmed.ncbi.nlm.nih.gov/42388011
تاريخ النشر: 2026-07-02
المؤلف: Sabine Hoffmann وآخرون
الموضوع الرئيسي: طرق إحصائية في التجارب السريرية
نظرة عامة
في الأدبيات الطبية، غالبًا ما تقارير المقالات الأصلية نتائج من اختبارات إحصائية متعددة، ومع ذلك، غالبًا ما يكون هناك غموض بشأن ضرورة التعديلات لهذه الاختبارات. بينما تم تأسيس توافق في بعض الحالات البسيطة حول ممارسات التعديل، تقدم العديد من السيناريوهات توصيات متضاربة، مما يؤدي إلى ارتباك بين الباحثين. يمكن أن يهدد هذا الغموض نزاهة التحليلات ويعزز ممارسات البحث المشكوك فيها، مما يهدد في النهاية مصداقية البحث الطبي.
يقترح المؤلفون مبدأ توجيهي مصقول لمساعدة الإحصائيين والباحثين في تحديد متى يجب التعديل للاختبارات المتعددة. على وجه التحديد، يجب إجراء التعديلات إذا أكد المؤلفون على نتائج من اختبارات معينة بسبب قيم p المنخفضة. يتم وضع هذا المبدأ في سياق الإرشادات الحالية ويتم توضيحه من خلال ثلاثة سيناريوهات معقدة للاختبارات المتعددة، مما يوفر وضوحًا وتوجيهًا لاختيار استراتيجيات التعديل المناسبة.
مقدمة
تسلط المقدمة الضوء على الاهتمام الكبير الموجه لمشكلة الاختبارات المتعددة على مدى الثلاثين عامًا الماضية، لا سيما في سياق التصاميم التكيفية المعقدة في التجارب السريرية وسيناريوهات “الاختبارات المتعددة المتطرفة” التي تشمل مئات الآلاف من الاختبارات المتزامنة، مثل تلك الموجودة في الأبحاث الجزيئية والتصوير. لقد أدى هذا الارتفاع في التعقيد إلى تقدم منهجي مختلف وإجراءات تعديل للاختبارات المتعددة. بينما توجد مجموعة قوية من الأدبيات الإحصائية لتوجيه الباحثين حول أساليب التعديل التي يجب استخدامها، لا يزال هناك فجوة ملحوظة بشأن ضرورة التعديلات ومجموعات الاختبارات المحددة التي تتطلبها.
تؤكد هذه الفقرة أنه، بينما تم تأسيس توافق في بعض السيناريوهات الأساسية حول الحاجة إلى التعديلات، تقدم العديد من الحالات نصائح متضاربة، مما يترك الباحثين في حالة من عدم اليقين. يتم توضيح هذا الغموض في الجدول 1، الذي يقدم آراء متنوعة وحجج من الأدبيات بشأن متى يجب إجراء التعديلات للاختبارات المتعددة.
طرق
في هذا القسم، يقترح المؤلفون مبدأ توجيهي لتحديد متى يجب التعديل للاختبارات المتعددة، مؤكدين أن القرار يجب أن يكون مرتبطًا ارتباطًا وثيقًا بكيفية الإبلاغ عن النتائج وتفسيرها. يجادلون بأن التعديلات ضرورية عندما يعطي الباحثون الأولوية لنتائج معينة بناءً على أهميتها (أي، قيم p الصغيرة) في تقاريرهم وتفسيراتهم. يبني هذا المبدأ على الأدبيات السابقة، مشددًا على أن القضية الأساسية ليست استخدام الاختبارات المتعددة ولكن بدلاً من ذلك الإبلاغ الانتقائي، الذي يمكن أن يؤدي إلى استنتاجات مضللة. على سبيل المثال، إذا أكد الباحثون على النتائج المهمة مع التقليل من أهمية الآخرين، يجب عليهم التعديل للاختبارات المتعددة؛ على العكس، إذا تم الإبلاغ عن جميع النتائج بنفس القدر من الأهمية، قد لا يكون التعديل ضروريًا.
يستعرض المؤلفون مبدأهم بمزيد من الأمثلة، مثل التجارب السريرية ذات النقاط النهائية الأولية المتعددة، حيث يتم غالبًا تسليط الضوء على النتائج المهمة. يحذرون من إمكانية التلاعب في الإبلاغ، حيث قد يدعي الباحثون أنهم يختبرون فرضيات فردية لتجنب التعديل. يؤكد المبدأ التوجيهي أنه إذا كانت تفسير النتائج يضع مزيدًا من التركيز على النتائج المهمة، فإن التعديلات للاختبارات المتعددة تكون مبررة. في النهاية، يؤكد المؤلفون على أهمية الحفاظ على استراتيجية إبلاغ متماسكة تتماشى مع تفسير النتائج لتجنب الاستنتاجات المضللة وضمان نزاهة التحليلات الإحصائية.
نتائج
في هذا القسم، يوضح المؤلفون قابلية تطبيق المبدأ التوجيهي المقترح من قبل بولستيك وهوبمان (2024) عبر مراحل مختلفة من البحث، بما في ذلك تصميم الدراسة، التحليل، الإبلاغ، والتفسير. يظهر المبدأ أنه يمكن تعميم القواعد المعمول بها في سياقات مألوفة، مما يعزز قوة منهجيات البحث. علاوة على ذلك، يوضح المؤلفون فائدته في معالجة السيناريوهات الأكثر تعقيدًا، مقترحين أن المبدأ التوجيهي يمكن أن يقدم رؤى وحلول قيمة في حالات البحث المعقدة.
مناقشة
في هذا القسم المناقشي، يستكشف المؤلفون التعقيدات المحيطة بالتعديل للاختبارات المتعددة في التحليلات الإحصائية، مسلطين الضوء على مبدأ توجيهي يساعد الباحثين في تحديد متى وكيف يجب التعديل. يشيرون إلى مجموعة متنوعة من وجهات النظر من الأدبيات، مشيرين إلى أن الآراء حول التعديل تختلف بشكل كبير بناءً على سياق الدراسة، مثل ما إذا كانت التحليلات استكشافية أو تأكيدية، وطبيعة الفرضيات التي يتم اختبارها. يؤكد المؤلفون أن القضية الأساسية ليست مجرد فعل الاختبار المتعدد ولكن بدلاً من ذلك الإبلاغ الانتقائي وتفسير النتائج، مما يمكن أن يؤدي إلى استنتاجات مضللة.
يعمل المبدأ التوجيهي المقترح من قبل بولستيك وهوبمان (2024) كإطار للباحثين للتنقل في هذه القرارات، مقترحًا أن يتم إجراء التعديلات بناءً على التركيز الموضوع على اختبارات معينة في الإبلاغ والتفسير. يوضح المؤلفون هذا المبدأ من خلال ثلاث دراسات حالة، موضحين تطبيقه في سيناريوهات متنوعة، مثل التجارب السريرية العشوائية وتحليلات البيانات عالية الأبعاد. كما يعترفون بحدود المبدأ، بما في ذلك الطبيعة الذاتية لـ “التركيز” وإمكانية الخداع الذاتي في الإبلاغ. في النهاية، يدعو المؤلفون إلى نهج متوازن للتعديل، معترفين بالحاجة إلى تقليل الإيجابيات الكاذبة مع الحفاظ على القوة الإحصائية، ويقترحون أن المبدأ التوجيهي يمكن أن يفيد أيضًا القراء في تفسير النتائج عبر الدراسات.
DOI: https://doi.org/10.1002/bimj.70148
PMID: https://pubmed.ncbi.nlm.nih.gov/42388011
Publication Date: 2026-07-02
Author(s): Sabine Hoffmann et al.
Primary Topic: Statistical Methods in Clinical Trials
Overview
In the medical literature, original articles frequently report results from multiple statistical tests, yet there is often ambiguity regarding the necessity of adjustments for these tests. While some straightforward cases have established consensus on adjustment practices, many scenarios present conflicting recommendations, leading to confusion among researchers. This uncertainty can compromise the integrity of analyses and foster questionable research practices, ultimately threatening the credibility of medical research.
The authors propose a refined guiding principle to aid statisticians and researchers in determining when to adjust for multiple testing. Specifically, adjustments should be made if authors emphasize results from specific tests due to their low p-values. This principle is contextualized within existing guidelines and is illustrated through three complex multiple testing scenarios, providing clarity and direction for selecting appropriate adjustment strategies.
Introduction
The introduction highlights the significant attention given to the problem of multiple testing over the past thirty years, particularly in the context of complex adaptive designs in clinical trials and “extreme multiple testing” scenarios involving hundreds of thousands of simultaneous tests, such as in molecular and imaging research. This surge in complexity has led to various methodological advancements and adjustment procedures for multiple testing. While a robust body of statistical literature exists to guide researchers on which adjustment methods to employ, there remains a notable gap regarding the necessity of adjustments and the specific sets of tests that require them.
The section emphasizes that, while some basic scenarios have established consensus on the need for adjustments, many situations present conflicting advice, leaving researchers uncertain. This ambiguity is illustrated in TABLE 1, which presents diverse opinions and arguments from the literature regarding when adjustments for multiple testing should be made.
Methods
In this section, the authors propose a guiding principle for deciding when to adjust for multiple testing, emphasizing that the decision should be closely tied to how results are reported and interpreted. They argue that adjustments are necessary when researchers prioritize certain results based on their significance (i.e., small p-values) in their reporting and interpretation. This principle builds on previous literature, highlighting that the core issue is not the use of multiple tests but rather selective reporting, which can lead to misleading conclusions. For instance, if researchers emphasize significant findings while downplaying others, they should adjust for multiple testing; conversely, if all results are reported with equal emphasis, adjustment may not be necessary.
The authors further illustrate their principle with examples, such as clinical trials with multiple primary endpoints, where significant results are often highlighted. They caution against the potential for manipulation in reporting, where researchers might claim to be testing individual hypotheses to avoid adjustment. The guiding principle asserts that if the interpretation of results places more emphasis on significant findings, adjustments for multiple testing are warranted. Ultimately, the authors stress the importance of maintaining a coherent reporting strategy that aligns with the interpretation of results to avoid misleading conclusions and ensure the integrity of statistical analyses.
Results
In this section, the authors demonstrate the applicability of the guiding principle proposed by Boulesteix and Hoffmann (2024) across different phases of research, including study design, analysis, reporting, and interpretation. The principle is shown to effectively generalize established rules in familiar contexts, thereby enhancing the robustness of research methodologies. Furthermore, the authors illustrate its utility in addressing more intricate scenarios, suggesting that the guiding principle can offer valuable insights and solutions in complex research situations.
Discussion
In this discussion section, the authors explore the complexities surrounding the adjustment for multiple testing in statistical analyses, highlighting a guiding principle that aids researchers in determining when and how to adjust. They reference a variety of perspectives from the literature, indicating that opinions on adjustment vary significantly based on the context of the study, such as whether the analysis is exploratory or confirmatory, and the nature of the hypotheses being tested. The authors emphasize that the core issue is not merely the act of multiple testing but rather the selective reporting and interpretation of results, which can lead to misleading conclusions.
The guiding principle proposed by Boulesteix and Hoffmann (2024) serves as a framework for researchers to navigate these decisions, suggesting that adjustments should be made based on the emphasis placed on specific tests in reporting and interpretation. The authors illustrate this principle through three case studies, demonstrating its application in various scenarios, such as randomized clinical trials and high-dimensional data analyses. They also acknowledge the limitations of the principle, including the subjective nature of “emphasis” and the potential for self-deception in reporting. Ultimately, the authors advocate for a balanced approach to adjustment, recognizing the need to mitigate false positives while maintaining statistical power, and they suggest that the guiding principle could also benefit readers in interpreting results across studies.