{"title":"Guide pratique pour comprendre les publications scientifiques. Épisode 10 – Les 10 erreurs majeures des articles scientifiques","authors":"V. Dumas , G. Herpe , J.-P. Tasu","doi":"10.1016/j.jidi.2024.12.004","DOIUrl":null,"url":null,"abstract":"<div><h3>Introduction</h3><div>Les erreurs liées à une mauvaise utilisation des statistiques peuvent contribuer à des conclusions erronées, compromettre la validité des études et surestimer ou sous-estimer les effets du traitement. Cet article présente les principales erreurs observées dans la littérature scientifique.</div></div><div><h3>Messages principaux</h3><div>Les erreurs statistiques courantes dans la recherche médicale comprennent le biais d’échantillonnage, la détermination incorrecte de l’échantillon, l’absence d’ajustement pour les comparaisons multiples, l’interprétation erronée des valeurs <em>p</em> comme mesure de la taille de l’effet ou de la pertinence clinique, le choix de tests incorrects pour un ensemble de données particulier, les erreurs de type I et II, la « pêche aux données » et le biais de publication.</div></div><div><h3>Conclusion</h3><div>Il est important que les chercheurs et les lecteurs interprètent leurs résultats à l’aide de concepts statistiques appropriés en sollicitant l’avis de statisticiens spécialisés.</div></div><div><h3>Introduction</h3><div>Errors associated with the misuse of statistics can contribute to erroneous conclusions, compromise the validity of studies and over- or underestimate treatment effects. This article presents the main errors observed in the scientific literature.</div></div><div><h3>Main messages</h3><div>Common statistical errors in medical research include sampling bias, incorrect sample determination, failure to adjust for multiple comparisons, misinterpretation of p-values as a measure of effect size or clinical relevance, selection of incorrect tests for a particular data set, type I and II errors, data fishing and publication bias.</div></div><div><h3>Conclusion</h3><div>It is important that researchers and readers interpret their results using appropriate statistical concepts, seeking advice from specialist statisticians.</div></div>","PeriodicalId":100747,"journal":{"name":"Journal d'imagerie diagnostique et interventionnelle","volume":"8 4","pages":"Pages 161-164"},"PeriodicalIF":0.0000,"publicationDate":"2025-01-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal d'imagerie diagnostique et interventionnelle","FirstCategoryId":"1085","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S2543343124001775","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Introduction
Les erreurs liées à une mauvaise utilisation des statistiques peuvent contribuer à des conclusions erronées, compromettre la validité des études et surestimer ou sous-estimer les effets du traitement. Cet article présente les principales erreurs observées dans la littérature scientifique.
Messages principaux
Les erreurs statistiques courantes dans la recherche médicale comprennent le biais d’échantillonnage, la détermination incorrecte de l’échantillon, l’absence d’ajustement pour les comparaisons multiples, l’interprétation erronée des valeurs p comme mesure de la taille de l’effet ou de la pertinence clinique, le choix de tests incorrects pour un ensemble de données particulier, les erreurs de type I et II, la « pêche aux données » et le biais de publication.
Conclusion
Il est important que les chercheurs et les lecteurs interprètent leurs résultats à l’aide de concepts statistiques appropriés en sollicitant l’avis de statisticiens spécialisés.
Introduction
Errors associated with the misuse of statistics can contribute to erroneous conclusions, compromise the validity of studies and over- or underestimate treatment effects. This article presents the main errors observed in the scientific literature.
Main messages
Common statistical errors in medical research include sampling bias, incorrect sample determination, failure to adjust for multiple comparisons, misinterpretation of p-values as a measure of effect size or clinical relevance, selection of incorrect tests for a particular data set, type I and II errors, data fishing and publication bias.
Conclusion
It is important that researchers and readers interpret their results using appropriate statistical concepts, seeking advice from specialist statisticians.
与滥用统计数据有关的错误可能导致错误的结论,影响研究的有效性,高估或低估治疗的效果。这篇文章介绍了科学文献中观察到的主要错误。principauxLes统计错误消息中常见的医学研究,包括通过抽样,样本的不正确的决心,没有调整多重比较,p值的错误解释作为衡量企业规模效应或临床相关性,一旦选择错误检测,对于特定的数据集时,I和II型误差、钓鱼«»和通过数据的公布。重要的是,研究人员和读者使用适当的统计概念来解释他们的结果,并征求专业统计学家的意见。与滥用统计数据相关的错误可能导致错误的结论,影响研究的有效性,高估或低估治疗效果。本文介绍了科学文献中观察到的主要错误。手messagesCommon statistical足够in medical research lib sampling bias),《疏于调整样品测定方法有缺陷,“多重比较,misinterpretation of as a p-values measure of effect关于黄金尺寸的临床相关性,选择set of data for a f层检测错误,足够I and II型,data fishing and出版bias)。结论:重要的是,研究人员和读者使用适当的统计概念来解释他们的结果,并向专业统计学家寻求建议。