In der Forschung liegt der Wert für „kein Effekt“ normalerweise bei 0 oder 1.0. Wenn also wie beim herkömmlichen Signifikanztest 0 oder 1.0 innerhalb des Konfidenzintervalls (CI) liegen, gibt es keinen signifikanten Unterschied zwischen den Behandlungen. Wenn 0 oder 1.0 außerhalb des KI liegt, besteht ein signifikanter Unterschied zwischen den Behandlungen. Aber CIs sagen uns mehr als nur „statistische Signifikanz“. Sie geben uns eine Vorstellung von den kleinsten und größten Effekten, die angesichts der beobachteten Daten wahrscheinlich sind, und sie vermitteln eine Vorstellung von Präzision. Schmale KIs treten normalerweise in großen Studien auf, die eine angemessene „Stärke“ zum Nachweis einer Wirkung haben, daher sind die von ihnen umfassten Schätzungen der wahren Wirkung ziemlich genau. Andererseits treten breite KIs normalerweise in kleinen Studien auf, die eine geringe Aussagekraft zum Nachweis eines Effekts haben, sodass die von ihnen umfassten Schätzungen des wahren Effekts ziemlich ungenau sind und nur begrenzte Informationen liefern (wie in der Garfield-Karikatur).
Erfundene Ergebnisse: „Der Unterschied in der Dauer der postoperativen Analgesie nach TKA war bei Patienten, denen Ropivacain in den intraartikulären Wundraum injiziert wurde, länger als in den extraartikulären Wundraum [6.0 h (95 % KI 1.1 – 10.9 h)].“ In der untersuchten Stichprobe wurde der Unterschied in der Dauer der postoperativen Analgesie auf 6 Stunden (zugunsten einer intraartikulären) geschätzt. Wenn dieser Effekt wahr wäre, wären wir zu 95 % sicher, dass das aus dieser Probe berechnete KI (1 bis 11 Stunden) ihn enthält. Einige Leser mögen meinen, dass der Unterschied von 6 Stunden für ihre Patienten von minimaler Bedeutung ist; Darüber hinaus kann die untere Grenze von 1 Stunde ihre Schlussfolgerung untermauern, dass der intraartikuläre Zugang von geringem klinischem Interesse ist. Andere mögen das Gefühl haben, dass das CI etwas breit ist. Sie könnten sich Sorgen um die Genauigkeit der Studie machen und die Genauigkeit der geschätzten 6-Stunden-Differenz, die aus der untersuchten Stichprobe abgeleitet wurde, in Frage stellen. Aber das ist „alles gut“, weil CIs Schätzungen der Wirkung und Präzision liefern, die diese Art des Denkens unter Forschern und Klinikern fördern; p-Werte können dies nicht.
Nächsten Monat werden Statistiken in kleinen Dosen die Bedeutung einer guten Datenerfassung und -verwaltung zusammenfassen, insbesondere jener statistischen „Hot Spots“, die verheerende Auswirkungen auf die statistische Analyse und Interpretation haben können.
