통계적으로 유의하지만 임상적으로 무의미한 결과의 특징
– p-value가 의미를 보장하지 않는 순간 생명과학 연구에서 통계적 유의성(statistical significance)은 매우 중요한 기준처럼 보인다. 연구 결과를 해석할 때 대부분의 논문은 p-value를 중심으로 결과를 설명한다. p-value가 0.05보다 작으면 의미 있는 결과로 간주되고, 그보다 크면 의미 없는 결과로 간주되는 경우가 많다.그러나 실제 연구 현장, 특히 임상 연구나 omics 연구를 진행하다 보면 통계적으로는 매우 유의하지만 임상적으로는 거의 의미가 없는 결과를 자주 만나게 된다. 논문에서는 강력한 결과처럼 보이지만 실제 환자 진료나 치료 결정에는 아무런 영향을 주지 못하는 경우다.이러한 현상은 통계 분석 자체의 문제가 아니라 통계적 질문과 임상적 질문이 서로 다르기 때문에..
제약산업
2026. 4. 4. 20:02
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 미래산업
- 대사체 분석
- metabolomics
- Multi-omics
- 분석팀
- 데이터 해석
- 제약
- 치료제
- audit
- 신약개발
- Spatial metabolomics
- 제약산업
- 시스템
- 분석
- lc-ms/ms
- 약물개발
- Proteomics
- 정밀의료
- 정량분석
- 데이터
- Biomarker
- LC-MS
- AI
- matrix effect
- Targeted Metabolomics
- bioanalysis
- 임상시험
- 약물분석
- ich m10
- 바이오마커
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 |
글 보관함
