MedData Lab

Что такое смешивающий фактор — и почему его сложно устранить В наблюдательных исследованиях связь между двумя переменными не всегда означает то, чем кажется. Например, при анализе данных обнаруживается: пациенты, получавшие определённый препарат, умирали чаще. На первый взгляд это выглядит как эффект самого препарата. Но есть нюанс: этот препарат могли чаще назначать пациентам с более тяжёлым течением болезни. Тяжесть состояния в таком случае связана и с назначением препарата, и с риском смерти. То есть наблюдаемая связь отражает не обязательно эффект лечения — а то, кому именно это лечение назначалось. Так работает смешивающий фактор, или confounder. И это не редкая ситуация. В ретроспективных исследованиях такие связи возникают постоянно — именно потому, что исследователь не контролирует распределение по группам. Смешивающие факторы можно учитывать статистически: через стратификацию, регрессионные модели и другие методы. Но есть важное ограничение: учесть можно только то, что было измерено. Неизмеренные confounders остаются вне анализа — и это одна из главных причин, почему ассоциация не всегда означает причинно-следственную связь. Поэтому при чтении любой статьи полезно задавать вопрос: что ещё, кроме изучаемого фактора, могло повлиять на результат?

Множественные сравнения: когда значимость появляется сама по себе Представим ситуацию: исследование большое, показателей много. Возраст, индекс массы тела, десятки лабораторных параметров, подгруппы, дополнительные исходы. И вдруг появляется несколько результатов с p < 0.05. На первый взгляд это выглядит как серия находок. Но здесь есть важный нюанс. При уровне значимости 0.05 каждая отдельная проверка имеет вероятность ложноположительного результата около 5% — даже если реального эффекта нет. Это не ошибка в расчётах. Это математика. Если проверяется одна гипотеза — вероятность ложноположительного результата составляет 5%. Если двадцать — вероятность получить хотя бы один случайный «значимый» результат уже приближается к 64%. В исследованиях это может выглядеть по-разному. Несколько исходов анализируются без поправки на множественность. Подгруппы анализируются отдельно. В модель последовательно добавляются разные переменные. Важно: это не обязательно означает манипуляцию. Скорее, процесс анализа часто допускает множество допустимых решений — и каждое из них может влиять на итоговый результат. Именно поэтому существуют поправки на множественные сравнения: Бонферрони, Холма, Беньямини–Хохберга. Они по-разному балансируют между риском ложного открытия и риском пропустить реальный эффект. Когда в статье много сравнений и несколько значимых результатов — это ещё не означает несколько реальных находок. Иногда это один реальный эффект среди нескольких случайных. Поэтому при интерпретации важно понимать не только результат. Но и сколько проверок было сделано — и учитывалась ли множественность сравнений.

Когда рандомизация не спасает РКИ считается золотым стандартом — и это действительно так. Рандомизация лучше других дизайнов снижает влияние посторонних факторов. Но у неё есть пределы. Например, если участники знают, что получают активный препарат, они могут начать вести себя иначе: лучше соблюдать рекомендации, внимательнее относиться к симптомам, менять повседневное поведение. Это называется эффектом Хоторна. И рандомизация сама по себе его не устраняет — потому что проблема возникает уже после распределения по группам. «Ослепление» помогает, но возможно не всегда. Например, невозможно ослепить человека в исследованиях хирургических техник, диет, физической нагрузки или образа жизни. Есть и другая проблема: рандомизация не гарантирует, что группы окажутся идеально сопоставимыми. Особенно при небольших выборках. Даже случайное распределение может дать дисбаланс по важным характеристикам — просто из-за случайности. Поэтому РКИ — это не идеальный дизайн. Это дизайн, который снижает риск определённых смещений. Дизайн снижает одни риски. Но не отменяет необходимость думать об остальных.

Ответ к вчерашнему посту. Это case-control исследование. Группы здесь сформированы по исходу: есть депрессия или нет. После этого исследователи сравнили состав микробиоты между группами. Из-за того что есть две группы и сравнение показателя, такие исследования иногда путают с когортными. Но логика дизайна здесь другая. В когортном исследовании группы формируют по воздействию и наблюдают, что будет происходить дальше. Здесь — наоборот: исход уже известен, а исследователи смотрят на возможные связанные факторы. Теперь про вывод авторов. Фраза: «изменения микробиоты связаны с развитием депрессии» звучит сильнее, чем позволяет этот дизайн. Исследование действительно показало различия между группами. Но оно не может ответить на вопрос, что было первичным. Изменения микробиоты возникли раньше и повлияли на развитие депрессии? Или сама депрессия, образ жизни, питание, препараты и другие факторы повлияли на микробиоту? По этим данным это разделить невозможно. И это не проблема конкретной статьи — это ограничение самого дизайна. Case-control исследования полезны и широко используются. Но обычно они позволяют говорить об ассоциации, а не о причинно-следственной связи.

Дизайн исследования определяет, какие выводы из него возможны. Рандомизированное контролируемое исследование позволяет говорить о причинно-следственной связи — при соблюдении ряда условий. Участники случайно распределяются по группам, что позволяет контролировать влияние посторонних факторов. Ретроспективное когортное — нет. Не потому что оно «хуже». А потому что отвечает на другой вопрос. Оно описывает, что происходило с группами, которые уже сформировались — без контроля над тем, почему они сформировались именно так. Case-control исследование позволяет оценить ассоциацию между воздействием и исходом. Но группы в нём формируются по исходу — есть заболевание или нет — а воздействие оценивается ретроспективно. Поэтому направление связи задано дизайном заранее, а не следует из данных. Поэтому когда в ретроспективном исследовании пишут «лечение снижало риск» — это не вывод из данных. Это интерпретация, которая выходит за пределы того, что дизайн позволяет утверждать. Тип дизайна — это не формальность в разделе Methods. Он задаёт границы того, что вообще можно заключить из результатов — до того, как смотреть на p-value.

Данные, которые не могли быть реальными В октябре 2005 года в The Lancet была опубликована работа норвежского онколога Йона Суддбё — о связи между длительным приёмом противовоспалительных препаратов и снижением риска рака полости рта. Подозрения возникли по методологической причине: исследование ссылалось на базу данных, которая на тот момент ещё не была открыта для внешних исследователей. Когда начали разбираться, обнаружили следующее: из 908 участников исследования 250 имели одинаковую дату рождения. В реальных данных такого не бывает. Автор признал полную фабрикацию. Статья была отозвана в 2006 году. Этот случай хорошо иллюстрирует один принцип, который редко обсуждается явно: понимание того, как устроены реальные данные — само по себе аналитический инструмент. Иногда несоответствие видно до любых расчётов — на уровне структуры, распределений, здравого смысла. Sudbø J. et al. Lancet. 2005;366:1359–66. Retracted: Lancet. 2006;367:382. DOI: 10.1016/S0140-6736(06)68120-8

Сегодня я хочу порекомендовать канал для всех интересующихся биологией — Liza Loves Biology! Его автор, молекулярный и клеточный биолог, научный журналист Елизавета Минина собирает последние новости из мира наук о жизни, публикует интересные истории и факты из биологии и смежных наук. Например, знаете ли вы, что... 🔸 Лошади чувствуют запах людей, испытывающих страх; 🔸 Аксолотли умеют отращивать полностью функциональный тимус с нуля; 🔸 Куколки и гусеницы некоторых бабочек могут издавать звуки, похожие на шипение; 🔸 У некоторых архей генетический код включает только два стоп-кодона, а третий стоп-кодон кодирует аминокислоту пирролизин; 🔸 Крайне низкая частота рака у гренландского кита обусловлена очень эффективной системой репарации повреждений в ДНК. Подписывайтесь и оставайтесь в курсе всего самого интересного из наук о жизни!

Корреляция: что она показывает — и чего не показывает Корреляционный анализ описывает, как совместно изменяются два показателя. Это полезный инструмент. Но у него есть ограничения, которые важно учитывать при интерпретации. Например, высокая корреляция между двумя показателями не означает, что один из них влияет на другой. Иногда оба связаны с третьим фактором. В клинических данных это встречается очень часто. Коэффициент Пирсона чувствителен к выбросам. Одно экстремальное наблюдение может существенно изменить результат. В таких ситуациях коэффициент Спирмена устойчивее: он работает с рангами, а не с исходными значениями. Ещё один важный момент: корреляция описывает линейную связь. Поэтому коэффициент, близкий к нулю, не всегда означает отсутствие зависимости — нелинейная связь при этом может быть выраженной. И наконец: статистически значимая корреляция не обязательно означает клинически значимую. При большой выборке даже слабая связь может дать p < 0.05. Практически это означает: интерпретация корреляции требует учёта структуры данных, типа связи и контекста исследования — а не только значения коэффициента и p-value.

Наверное, пора нормально представиться — канал читают новые люди, а я до сих пор этого толком не сделала🙂 Меня зовут Елена Филиппова. Я кандидат медицинских наук, работаю в области молекулярной онкологии и эпигенетики, занимаюсь анализом биомедицинских данных. Участвую в грантах РНФ как исполнитель и руководитель — сейчас веду уже третий грант как руководитель. Наши работы опубликованы в Scopus/WoS, включая журналы Q1, я соавтор 4 патентов. Этот канал вырос из практики: я заметила, что одно и то же объясняю коллегам, аспирантам и врачам снова и снова. Многие сложности в исследованиях начинаются ещё до расчётов — на этапе понимания данных, постановки вопроса, интерпретации результатов. Поэтому здесь не просто «про методы», а про логику анализа и то, как это реально устроено в biomedical research. Параллельно веду курс по анализу клинических данных в R для врачей и исследователей. И думаю, со временем здесь будет больше не только про статистику, но и в целом про исследовательскую работу, biomedical data и инструменты, которые помогают с этим работать на практике. Рада всем, кто здесь 👋

Пропущенные значения — почему это не технический вопрос Пропущенные значения часто воспринимаются как помеха, которую нужно устранить перед анализом. Удалить строки. Заменить средним. Перейти к расчётам. Но пропуски в клинических данных редко возникают случайно. Показатель отсутствует, потому что пациент не пришёл на визит. Лабораторный результат не внесён, потому что анализ не назначили. Значение отсутствует, потому что его не было в протоколе на этом этапе. В каждом из этих случаев пропуск несёт информацию. Если удалить все строки с пропусками, в анализе останутся только наблюдения с полными данными. Это не случайная подвыборка — у неё своя структура. Если заменить пропуски средним, вариабельность уменьшится, а распределение станет искусственно сглаженным. Практически это означает: прежде чем решать, что делать с пропусками, важно понять, почему они возникли. Именно это определяет, какой подход будет обоснованным.

Что в статье обычно не читают — и зря При чтении исследования внимание чаще всего сосредоточено на abstract, таблицах результатов и p-value. Однако значительная часть информации, которая определяет надёжность вывода, находится в других разделах статьи. В частности: — Methods: как сформированы группы, какие критерии включения и исключения использовались — Results: сколько наблюдений исключено из анализа, как выглядят исходные характеристики групп — Statistical analysis: какие методы применялись и какие допущения были приняты — Limitations: какие ограничения исследования признают сами авторы Именно эти детали часто объясняют, почему результат выглядит убедительно — или наоборот, почему его интерпретация ограничена. Практически это означает: оценка исследования начинается не с поиска «значимого результата», а с понимания того, как этот результат был получен.

Анализ данных редко начинается со статистического теста. До расчётов есть множество решений, которые влияют на результат: — какие данные анализируются — сопоставимы ли группы — как устроено распределение — что именно сравнивается — насколько результат устойчив Именно из этих шагов в реальности складывается анализ данных. Чтобы сделать этот процесс более наглядным, я создала Telegram-бот MedDataFlow. Это не “автоматический подбор теста”, а скорее попытка показать сам процесс анализа: от структуры данных до выбора метода и интерпретации. В боте есть: — подбор статистического метода — проверка нормальности распределения — чек-листы перед анализом — тренажёр R — справочник статистики — работа с ggplot — предварительный анализ CSV Бот бесплатный: https://t.me/meddataflow_bot

Как читать результаты исследования При чтении исследования внимание часто сразу переходит к p-value. Однако это не первый вопрос, на который нужно ответить. Прежде всего важно последовательно понять: 1. Что сравнивается Разность средних, риски, выживаемость — это разные задачи и разные выводы. 2. Какие группы анализируются Сопоставимы ли они и отвечают ли на один вопрос. 3. Какой показатель используется Среднее, медиана, отношение рисков — каждый отражает разные характеристики данных. 4. Какой метод применён и соответствует ли он структуре данных Параметрический или непараметрический, учтены ли выбросы и форма распределения. Только после этого имеет смысл смотреть на числовые значения. Без этого контекста p-value интерпретируется неверно — вне зависимости от его значения. Практически это означает: чтение результатов начинается не с цифр, а с понимания структуры анализа.

Что в статье на самом деле является результатом В научных публикациях результат обычно представлен в виде таблиц и p-value. Именно на этом чаще всего сосредоточено внимание. Однако сами по себе эти показатели не являются результатом в полном смысле. Они отражают результат применения конкретного метода к конкретным данным — но не говорят о том, насколько этот результат устойчив, воспроизводим и клинически значим. Результат включает: — какие данные анализируются — как сформированы группы — какие допущения приняты — какой метод использован и почему Без этого контекста числовые значения теряют смысл. Практически это означает: результат в статье — это не только цифры, но и то, как они получены и интерпретированы.

Почему t-test дал значимость В предыдущем примере один и тот же набор данных дал разные результаты: t-test → p = 0.045 Mann–Whitney → p = 0.073 Причина не в том, что один метод «правильный», а другой нет. Методы отвечают на разные аналитические задачи. t-test сравнивает средние значения и предполагает нормальность распределения. При достаточном объёме выборки он относительно устойчив к умеренным отклонениям от нормальности — но чувствителен к выбросам, влияющим на среднее. Если в одной из групп есть выраженные выбросы, среднее может смещаться. На графике это видно: в группе B несколько высоких значений тянут среднее вверх. Mann–Whitney работает с рангами, а не со средними. Поэтому он менее чувствителен к отдельным экстремальным значениям. Практически это означает: в этом примере t-test зафиксировал различие средних, которое во многом обусловлено выбросами, а не сдвигом распределения в целом. Поэтому перед выбором метода важно смотреть не только на p-value, но и на структуру данных.

Один набор данных — разные результаты В примере на изображении используются два метода для сравнения групп. t-test → p = 0.045 Mann–Whitney → p = 0.073 Данные при этом не меняются. Меняется только способ анализа. Разница связана с тем, что методы по-разному учитывают структуру данных: t-test сравнивает средние и предполагает нормальность распределения. Манн–Уитни работает с рангами и не делает этого предположения. Кроме того, среднее чувствительно к выбросам, в то время как ранговые методы — более устойчивы. Практически это означает: выбор метода — это аналитическое решение, которое влияет на результат. Оно должно быть обосновано до анализа, а не после просмотра p-value.

Что делать, если данные не распределены нормально Отклонение от нормального распределения — частая ситуация в реальных данных. Это не ошибка и не всегда требует «исправления». Важно понять, влияет ли форма распределения на выбранный метод и интерпретацию результата. Возможны разные подходы: ✔️ Использовать методы, не требующие нормальности Непараметрические тесты не требуют предположения о нормальности распределения. ✔️ Преобразовать данные В некоторых случаях применяют логарифмирование или другие преобразования. При этом интерпретация результатов ведётся уже в преобразованной шкале, что необходимо учитывать. ✔️ Использовать устойчивые показатели Медиана и квартильный размах менее чувствительны к асимметрии и выбросам. ✔️ Учитывать задачу анализа В ряде случаев отклонение от нормальности не влияет на итоговые выводы. Практически это означает: важно не «привести данные к норме», а выбрать подход, соответствующий их структуре.

Как понять, нормально ли распределены данные Предположение о нормальности часто используется при выборе статистических методов. Но само по себе оно не является обязательным требованием — важно понять, насколько отклонения от нормального распределения влияют на анализ. Поэтому задача — не просто проверить нормальность, а оценить форму распределения данных и её значимость для интерпретации. На что можно опираться: ✔️ Визуализация Гистограмма или график плотности позволяют увидеть симметрию, асимметрию и выбросы. ✔️ Q–Q график Показывает отклонения от теоретического распределения и их характер. ✔️ Статистические тесты Например, тест Шапиро–Уилка. При больших выборках он выявляет даже незначительные отклонения. При малых — может не обнаружить реальные из-за низкой мощности. ✔️ Контекст данных Форма распределения часто определяется природой показателя и может быть ожидаемой. Практически это означает: вопрос не в том, «нормально ли распределены данные», а в том, насколько отклонение от нормальности влияет на выводы.