在研究中，反映“无影响”的值通常为 0 或 1.0。 因此，与传统的显着性检验一样，如果 0 或 1.0 在置信区间 (CI) 内，则处理之间没有显着差异。 如果 0 或 1.0 在 CI 之外，则处理之间存在显着差异。 但 CI 告诉我们的不仅仅是“统计意义”。 它们让我们了解观察到的数据可能产生的最小和最大影响，并传达了一些精确度的概念。 狭窄的 CI 通常出现在具有合理“能力”来检测效果的大型研究中，因此它们所包含的真实效果的估计是非常精确的。 另一方面，广泛的 CI 通常出现在检测效果的能力较低的小型研究中，因此它们所包含的真实效果的估计非常不精确，并且提供的信息有限（如在加菲猫卡通中）。
虚构结果：“将罗哌卡因注射到关节内伤口空间的患者比注射到关节外伤口空间的患者在 TKA 术后镇痛持续时间的差异更长 [6.0 小时 (95% CI 1.1 – 10.9 小时)]。” 在所研究的样本中，术后镇痛持续时间的差异估计为 6 小时（有利于关节内）。 如果这种效应是真的，我们将有 95% 的把握从这个样本（1 到 11 小时）计算的 CI 包含它。 有些读者可能会觉得 6 小时的差异对他们的患者来说意义不大； 此外，1 小时的下限可能会强化他们的结论，即关节内入路几乎没有临床意义。 其他人可能会觉得 CI 有点宽。 他们可能会担心研究的准确性，并可能质疑从研究样本中得出的估计的 6 小时差异的准确性。 但这是“万事大吉”，因为 CI 提供了效果和精确度的估计，从而促进了研究人员和临床医生的这种思维。 p 值不能。
下个月，小剂量统计数据将回顾良好数据收集和管理的重要性，特别是那些可能对统计分析和解释造成严重破坏的统计“热点”。
