【データ二分法の落とし穴：偽陽性と分析の盲点】

ChatGPT、生成AI、統計解析を勉強されたい方は今すぐhttps://statg.comへアクセス！
オンラインセミナーのご予約はHPから。
【ChatGPT統計解析セミナー】▶︎https://mosh.jp/services/190094
【ChatGPT実験計画法セミナー】▶︎https://mosh.jp/services/192036
════ ⋆★⋆ ════════ ⋆★⋆ ═══
データを二分する手法は、変数を2つのグループに分けることで簡単に分析できるが、中央値分割やp値を最小化する分割点選択には問題が多い。例えば、肥満研究では「健康」と「過体重」に患者を分類するが、この分割方法は他の研究と分割点が異なるため、メタ分析時に結果の比較や統合が難しくなる。p値が最適になる分割は偽陽性を生む可能性が高く、仮説検定の多用と同様の問題を引き起こし、偽陽性率は10倍になり信頼区間も狭まる。1990年代にはS期比率の乳ガン研究でも同様の問題が発生し、各研究が異なる分割点を用いたため有意差が生じたが、多重比較を考慮すると有意でなくなる場合が多かった。この方法は欠陥が認知された後も使われ、2005年のガイドラインは腫瘍マーカー研究の有用性が少ないと指摘し、原因として検定力不足、不完全な報告、標本偏り、分割点選びが挙げられた。