Statistisk power

Kurs: Basvetenskap 5 Moment 2

Vad är det?

• Statistisk power (styrka) är sannolikheten att en studie upptäcker en effekt som verkligen finns. Power = 1 − β, där β är risken för typ II-fel (missa en verklig effekt).
• Konventionell målnivå är 80 % (ibland 90 %). Det innebär att man accepterar 20 % risk att missa en existerande effekt av den storlek man planerat för.
• Power bestäms av fyra sammanhängande storheter: effektstorleken man vill kunna upptäcka, spridningen i data, signifikansnivån α (oftast 0,05), och stickprovsstorleken. Fixerar man tre går den fjärde att räkna ut — det är hela poweranalysen.
• Motstycket är typ I-fel (α): att hitta en effekt som inte finns.

Varför är det viktigt / Mekanism

• Den centrala insikten: power måste bestämmas före studien, för då är den ett designverktyg. Efteråt är den nästan meningslös (“post hoc power” beräknad på den observerade effekten tillför ingenting utöver Konfidensintervallet).
• Sambanden är värda att kunna intuitivt:
  • Vill man kunna upptäcka en liten effekt behövs många deltagare. Halverad effektstorlek kräver ungefär fyrdubblad studiestorlek.
  • Skärpt α (t.ex. 0,01 vid multipla jämförelser) sänker power om man inte kompenserar med fler deltagare.
  • Vid binära utfall är det antalet händelser, inte antalet deltagare, som bär power. En studie med 10 000 deltagare och 12 händelser är underpowrad.
• Underpowrade studier är ett dubbelt problem. De missar sanna effekter — men de studier bland dem som ändå blir signifikanta överskattar systematiskt effektstorleken, eftersom bara ovanligt extrema slumputfall når signifikans i ett litet urval. Detta kallas winner’s curse och är en huvudförklaring till att spektakulära småstudier inte replikeras. Det är en av de viktigaste poängerna i hela reproducerbarhetsdiskussionen.
• Därför är slutsatsen “ingen skillnad” från en liten studie ogiltig. Rätt formulering är “vi kunde inte utesluta en effekt upp till X”, där X läses ur konfidensintervallets ände.
• Praktiska sätt att öka power utan att öka antalet deltagare: välja ett känsligare (kontinuerligt) utfall i stället för dikotomiserat, minska mätfel, använda parade eller cross-over-designer, förlänga uppföljningen så att fler händelser inträffar, och stratifierad randomisering.
• Dikotomisering av kontinuerliga variabler (t.ex. blodtryck till “hypertoni ja/nej”) kastar bort information och sänker power påtagligt — en vanlig och undvikbar designmiss.

Klinisk relevans & Diagnostik

• Etisk dimension: en underpowrad studie utsätter deltagare för risk och besvär utan rimlig chans att besvara frågan. Det är därför poweranalys är ett krav i etikansökan och i forskningsplaner.
• I en artikel ska powerberäkningen redovisas med den antagna effektstorleken. Om den antagna effekten är orimligt stor (“vi räknade med 50 % riskreduktion”) är studien i praktiken designad för att misslyckas — en vanlig anledning till “negativa” resultat.
• Non-inferiority-studier kräver ofta större studier än superiority-studier, eftersom marginalen som ska uteslutas är liten.
• Interimanalyser och gruppsekventiell design (O’Brien-Fleming) tillåter tidigt avbrott men kostar α, vilket i sin tur påverkar power — därför måste stoppregler vara förspecificerade.
• Nära kopplat till Multiplicitetsproblem: många utfall utan korrigering ökar typ I-fel; korrigering ökar typ II-fel. Det är en avvägning, inte ett problem med en lösning.
• Metaanalys är i praktiken den vanligaste vägen att uppnå tillräcklig power för ovanliga utfall och sällsynta biverkningar — vilket är skälet till att fas IV-uppföljning och register behövs vid sidan av RCT.

Klinisk pärla

“Ingen signifikant skillnad” är ett påstående om studien, inte om verkligheten. Innan man tror på ett negativt resultat måste man fråga hur många händelser som inträffade — det är där power sitter.

Tenta-fokus

Power = 1 − β, målnivå 80 %, typ I vs typ II-fel, att halverad effektstorlek kräver ungefär fyrdubblad studiestorlek, och att underpowrade signifikanta fynd systematiskt överskattar effekten (winner’s curse).

Kopplingar

Relaterat: Statistisk signifikans, Konfidensintervall, Randomiserad kontrollerad studie, Studiedesign, Multiplicitetsproblem, Relativ risk, Absolut riskreduktion, Surrogatmått