Research and Scholarly Methods: Testing the Null Hypothesis

John Carr

doi:10.1002/jac5.70167

2026-02-01

PRE

John Carr *

Susan Smith

DOI：10.1002/jac5.70167

原文链接

原文求助

摘要

En 中文

零假设显著性检验（NHST）是生物医学研究和临床药学领域的主要统计框架，因此从业者需要全面理解NHST及其组成部分。NHST以假设零假设为真开始，允许研究者检验差异同时防范偏差。第一类错误（假阳性）和第二类错误（假阴性）是可能的误分类。p值的解释基于零假设为真的假设，而非指示零假设正确的概率。该值的误读仍是医学文献中最持久的错误之一。合理应用NHST需要周密的研究设计、前瞻性结果设定以及多重性防范。解释不仅需关注统计阈值，还应强调效应量、临床意义、生物学合理性和研究质量。负责任的解释还需区分统计推断与更广泛的科学推断，后者整合先验知识和理论依据。实践考虑和示例案例突显常见陷阱及改进策略。此外，新兴方法包括将置信区间重新解释为兼容区间、使用假阳性风险和贝叶斯分析等可能带来改进，但其应用仍存争议。将NHST视为科学推断的一个组成部分而非真理的最终裁决者，有助于更审慎地应用和解释证据。严谨的统计推理能提升研究质量、同行评审的可靠性以及研究成果向患者护理的转化。

Keyword:

biomedical research

biostatistics

clinical relevance

confidence intervals

peer review

reproducibility of results

research design