425. Test dokładny Fishera dla tabeli 2×2

W poprzednich lekcjach analizowaliśmy tabele kontyngencji i ograniczenia przybliżenia chi-kwadrat. Teraz przechodzimy do procedury szczególnie użytecznej wtedy, gdy tabela ma rozmiar 2×2, a liczebności są małe. Test dokładny Fishera pozwala ocenić, czy obserwowany układ dwóch zmiennych jakościowych jest zgodny z hipotezą niezależności, bez opierania obliczeń na przybliżeniu rozkładem chi-kwadrat.

Nazwa „dokładny” odnosi się do sposobu wyznaczania wartości p w określonym modelu warunkowym. Nie oznacza natomiast, że test automatycznie odpowiada na każde pytanie badawcze ani że rozstrzyga o znaczeniu klinicznym wyniku. Tak jak w przypadku innych testów, należy osobno rozważyć hipotezę, wielkość efektu, przedział ufności, jakość danych oraz konsekwencje praktyczne.

1. Do czego służy test dokładny Fishera?

Test stosuje się do badania związku między dwiema zmiennymi jakościowymi, z których każda ma dwie kategorie. Dane przedstawia się w tabeli 2×2:

	Wynik dodatni	Wynik ujemny	Suma
Grupa 1	a	b	a+b
Grupa 2	c	d	c+d
Suma	a+c	b+d	n

Przykładowo „grupa” może oznaczać otrzymanie interwencji lub jej brak, a „wynik” – wystąpienie zdarzenia zdrowotnego lub jego brak. W badaniu obserwacyjnym wiersze mogą oznaczać ekspozycję na czynnik ryzyka, a kolumny obecność rozpoznania. W psychologii wiersze mogą oznaczać rodzaj oddziaływania, a kolumny poprawę lub brak poprawy.

Hipotezy zapisuje się zwykle następująco:

• H₀: zmienne są niezależne w populacji; w ujęciu ilorazu szans oznacza to najczęściej OR = 1;
• H₁: zmienne nie są niezależne; w wersji kierunkowej można postawić hipotezę OR > 1 albo OR < 1.

Warto od razu zaznaczyć, że odrzucenie H₀ nie dowodzi związku przyczynowego. Jeżeli dane pochodzą z badania przekrojowego lub obserwacyjnego, wynik wskazuje na zależność albo różnicę częstości, a nie sam przez się na przyczynę i skutek.

2. Dlaczego potrzebny jest test dokładny?

Test chi-kwadrat Pearsona wykorzystuje przybliżenie rozkładu statystyki przez rozkład chi-kwadrat. Przy dostatecznie dużych liczebnościach przybliżenie to może być bardzo użyteczne. W małych próbach rozkład możliwych tabel jest jednak dyskretny i ograniczony. W komórkach mogą pojawić się małe liczebności oczekiwane, a nawet zera.

Test Fishera nie zastępuje bezrefleksyjnie oceny projektu badania, lecz eliminuje jeden problem obliczeniowy: nie wymaga przybliżenia rozkładem ciągłym. Przy ustalonych sumach brzegowych rozważa wszystkie możliwe tabele zgodne z tymi sumami i oblicza prawdopodobieństwo obserwowanej tabeli oraz tabel uznanych za co najmniej tak ekstremalne względem H₀ (Fisher, 1922; Agresti, 2013).

W praktyce test jest szczególnie rozważany, gdy próba jest mała lub gdy co najmniej jedna liczebność oczekiwana jest niewielka. Nie należy jednak traktować reguły „jeśli oczekiwana liczebność jest mniejsza niż 5, zawsze użyj Fishera” jako całkowicie mechanicznego przepisu. Wybór zależy także od planu badania, celu analizy, kierunku hipotezy i sposobu raportowania. W tabelach 2×2 o umiarkowanych lub dużych liczebnościach test chi-kwadrat i test Fishera często prowadzą do podobnych wniosków, ale nie są tą samą procedurą.

3. Idea obliczeń: rozkład hipergeometryczny

W klasycznym ujęciu warunkowym sumy wierszy i kolumn traktuje się jako ustalone. Wtedy prawdopodobieństwo uzyskania konkretnej tabeli 2×2 można zapisać za pomocą rozkładu hipergeometrycznego:

P(X=a) = [(a+b)! (c+d)! (a+c)! (b+d)!] / [a! b! c! d! n!]

Oznaczenia są następujące:

• a, b, c, d – liczebności w czterech komórkach tabeli;
• n – całkowita liczebność próby, czyli a+b+c+d;
• ! – silnia, na przykład 5! = 5×4×3×2×1.

Nie trzeba wykonywać tych rachunków ręcznie. Współczesne programy statystyczne korzystają z algorytmów numerycznych, które ograniczają problemy z bardzo dużymi silniami. Z punktu widzenia interpretacji ważne jest jednak zrozumienie, że test nie „porównuje średnich” i nie korzysta z założenia normalności.

Dla testu jednostronnego sumuje się prawdopodobieństwa tabel co najmniej tak ekstremalnych w określonym kierunku. Dla testu dwustronnego trzeba określić, które tabele są co najmniej tak niezgodne z H₀ jak tabela obserwowana. W tym miejscu istnieją różne konwencje, dlatego w publikacji warto podać, czy zastosowano test jedno- czy dwustronny oraz jakie oprogramowanie i ustawienia wykorzystano.

4. Test jedno- i dwustronny

Test jednostronny

Test jednostronny jest uzasadniony wtedy, gdy kierunek efektu został określony przed obejrzeniem wyników. Przykładowo badacz może mieć z góry określoną hipotezę, że interwencja zwiększa odsetek poprawy, a nie tylko że „wpływa” na wynik. Jeżeli dane pokażą efekt w przeciwnym kierunku, nie powinno się po analizie zmieniać kierunku hipotezy po to, aby uzyskać mniejszą wartość p.

Test dwustronny

Test dwustronny odpowiada pytaniu, czy dane wskazują na zależność w dowolnym kierunku. Jest zazwyczaj właściwym wyborem, gdy zarówno wzrost, jak i spadek częstości zdarzenia byłyby naukowo istotne. W tabelach dyskretnych dwustronna wartość p nie zawsze jest po prostu dwukrotnością wartości p jednostronnej. Wynika to z reguły wyboru tabel uwzględnianych w sumowaniu (Lydersen, Fagerland i Laake, 2009).

W raporcie należy unikać sformułowania „wykonano test Fishera” bez dalszych informacji. Lepszy zapis brzmi: „Zastosowano dwustronny dokładny test Fishera; p = 0,032”.

5. Przykład 1: małe badanie kliniczne

Załóżmy, że w pilotażowym badaniu oceniano, czy nowy sposób opatrywania ran wiąże się z wystąpieniem zakażenia w ciągu tygodnia. Wyniki przedstawiono poniżej:

	Zakażenie	Brak zakażenia	Suma
Nowe opatrunki	1	9	10
Standardowe opatrunki	5	5	10
Suma	6	14	20

W grupie nowych opatrunków zakażenie wystąpiło u 10% osób, a w grupie standardowej u 50%. Różnica bezwzględna wynosi 40 punktów procentowych. Iloraz szans można obliczyć jako:

OR = (a×d)/(b×c) = (1×5)/(9×5) ≈ 0,11

Wartość OR mniejsza od 1 wskazuje na mniejsze szanse zakażenia w grupie nowych opatrunków, ale sama nie dowodzi skuteczności metody. Trzeba uwzględnić przedział ufności, małą liczebność, sposób randomizacji, kompletność obserwacji i możliwość przypadkowego wyniku.

Dokładny test Fishera może wskazać, czy taki układ danych jest mało zgodny z hipotezą niezależności. Jeżeli p jest mniejsze od przyjętego poziomu istotności, na przykład 0,05, odrzucamy H₀ w sensie statystycznym. Nie oznacza to, że prawdopodobieństwo prawdziwości H₀ wynosi p. Wartość p jest prawdopodobieństwem uzyskania danych co najmniej tak ekstremalnych jak obserwowane, przy założeniu H₀ i przyjętym modelu testu.

Ze względu na pilotażowy charakter badania właściwy wniosek powinien być ostrożny: „Zaobserwowano mniej zakażeń w grupie nowych opatrunków; wynik testu Fishera wskazywał na statystyczną niezgodność z niezależnością, jednak oszacowanie efektu było obarczone dużą niepewnością z powodu małej próby”. Nie należy pisać, że test „udowodnił” skuteczność kliniczną.

6. Przykład 2: zdrowie publiczne i rzadka ekspozycja

W małym badaniu obserwacyjnym sprawdzano, czy występowanie objawu oddechowego różni się między osobami eksponowanymi i nieeksponowanymi na określony czynnik środowiskowy:

	Objaw obecny	Objaw nieobecny	Suma
Ekspozycja obecna	7	3	10
Ekspozycja nieobecna	2	8	10
Suma	9	11	20

Odsetek objawu wynosi 70% w grupie eksponowanej i 20% w grupie nieeksponowanej. Iloraz szans wynosi:

OR = (7×8)/(3×2) = 9,33

To duże oszacowanie efektu, ale przy próbie liczącej zaledwie 20 osób jego przedział ufności może być szeroki. Test Fishera odpowiada na pytanie o zgodność tabeli z niezależnością, natomiast OR opisuje kierunek i względną wielkość związku. Są to informacje uzupełniające, a nie konkurencyjne.

Badanie obserwacyjne może być obciążone przez czynniki zakłócające, na przykład wiek, palenie tytoniu lub różnice w dostępie do diagnostyki. Sam test Fishera nie kontroluje takich zmiennych. Jeżeli projekt i liczebność na to pozwalają, można rozważyć model regresji logistycznej, analizę warstwową albo dokładne metody wielowymiarowe.

7. Co raportować razem z testem?

Minimalny raport powinien zawierać:

• liczebności w każdej komórce tabeli;
• odsetki, z jasno określonym mianownikiem;
• rodzaj testu: jednostronny lub dwustronny;
• wartość p z odpowiednią liczbą cyfr;
• miarę wielkości efektu, na przykład OR;
• 95-procentowy przedział ufności dla OR albo innej wybranej miary;
• opis projektu badania i ograniczeń interpretacji.

Przykładowe zdanie: „W grupie interwencji zakażenie wystąpiło u 1/10 osób, a w grupie kontrolnej u 5/10 osób. Dwustronny dokładny test Fishera wskazał na zależność między grupą a zakażeniem, p = …, OR = 0,11, 95% PU …–….”. W miejsce wielokropków należy wstawić wynik rzeczywiście uzyskany w użytym programie. Nie należy zaokrąglać wartości p do „0,000”; poprawniej zapisać „p < 0,001”, jeżeli program i zasady raportowania to uzasadniają.

8. Najczęstsze błędy

1. Używanie testu Fishera jako testu przyczynowości

Test bada zależność w tabeli, a nie mechanizm przyczynowy. Wniosek przyczynowy wymaga odpowiedniego projektu, kontroli zakłóceń i uzasadnienia merytorycznego.

2. Interpretowanie p jako prawdopodobieństwa H₀

p = 0,04 nie oznacza, że prawdopodobieństwo prawdziwości H₀ wynosi 4%. Wartość p jest obliczana pod warunkiem prawdziwości H₀.

3. Pomijanie wielkości efektu

Istotność statystyczna nie informuje wystarczająco o znaczeniu klinicznym. Należy podać OR, różnicę ryzyka, ryzyko względne lub inną miarę dobraną do projektu.

4. Wybór testu jednostronnego po obejrzeniu danych

Zmiana kierunku hipotezy po analizie zwiększa ryzyko uzyskania zbyt optymistycznego wniosku.

5. Traktowanie małej wartości p jako dowodu jakości badania

Mała wartość p może współwystępować z błędami pomiaru, selekcją próby, wielokrotnym testowaniem lub niekontrolowanym zakłóceniem.

6. Automatyczne wykonywanie wielu testów Fishera

Jeżeli badacz analizuje wiele tabel lub punktów końcowych, rośnie ryzyko uzyskania przypadkowego wyniku istotnego. Należy zdefiniować główną hipotezę, rozważyć korektę wielokrotnych porównań i odróżnić analizę potwierdzającą od eksploracyjnej.

7. Mylenie tabel niezależnych i zależnych

Jeżeli te same osoby oceniano przed i po interwencji, właściwą procedurą dla dychotomicznego wyniku może być test McNemary, a nie test Fishera dla dwóch niezależnych grup.

9. Ograniczenia i alternatywy

Klasyczny test Fishera jest testem warunkowym. Jego dokładność odnosi się do określonej konstrukcji probabilistycznej, zwłaszcza do warunkowania na sumach brzegowych. W części projektów nie wszystkie sumy brzegowe są z założenia ustalone. Z tego powodu w literaturze dyskutuje się także testy bezwarunkowe, w tym test Barnarda, test Boschloo oraz wersję mid-p. Badania porównawcze wskazują, że klasyczny test Fishera bywa konserwatywny, czyli może rzadziej odrzucać H₀, niż wynikałoby to z nominalnego poziomu alfa (Lydersen, Fagerland i Laake, 2009).

Nie oznacza to, że test Fishera jest bezużyteczny. Jest przejrzysty, szeroko dostępny i szczególnie przydatny w małych tabelach 2×2. W większych tabelach można zastosować rozszerzenia dokładne, symulację Monte Carlo, modele log-liniowe lub regresję logistyczną, zależnie od pytania badawczego. Wybór procedury powinien wynikać z projektu, a nie wyłącznie z tego, która wartość p jest najmniejsza.

10. Przykład praktyczny: interpretacja wyniku w raporcie

Załóżmy, że w badaniu pielęgniarskim porównano wystąpienie nudności po dwóch sposobach przygotowania pacjenta do zabiegu. W grupie A nudności wystąpiły u 2 z 12 pacjentów, a w grupie B u 7 z 12. W analizie uzyskano dwustronne p = 0,038 oraz OR = 0,18.

„Nudności wystąpiły u 2/12 pacjentów w grupie A i u 7/12 pacjentów w grupie B. Dwustronny dokładny test Fishera wskazał na statystycznie istotną zależność między sposobem przygotowania a wystąpieniem nudności, p = 0,038. Iloraz szans wyniósł OR = 0,18; przedział ufności należy interpretować z uwzględnieniem małej liczebności próby. Wynik sugeruje mniejsze szanse nudności w grupie A, lecz nie stanowi samodzielnego dowodu przyczynowego ani wystarczającej podstawy do oceny skuteczności klinicznej.”

Taki zapis jest lepszy niż zdanie „metoda A powoduje mniej nudności, ponieważ test Fishera wyszedł istotny”. Pierwsza wersja oddziela obserwację, test, efekt i ograniczenia. Druga przypisuje testowi więcej, niż może on uzasadnić.

Co warto zapamiętać?

• Test dokładny Fishera służy do analizy zależności między dwiema zmiennymi jakościowymi w tabeli 2×2.
• Jest szczególnie przydatny przy małych liczebnościach i małych liczebnościach oczekiwanych.
• Wartość p wyznacza się na podstawie rozkładu możliwych tabel przy ustalonych sumach brzegowych.
• Przed analizą trzeba zdecydować, czy hipoteza jest jedno- czy dwustronna.
• p nie jest prawdopodobieństwem prawdziwości H₀.
• Test nie zastępuje miary efektu: należy raportować między innymi OR oraz przedział ufności.
• Wynik testu nie dowodzi przyczynowości i nie określa samodzielnie znaczenia klinicznego.
• Przy danych zależnych, wielu tabelach lub bardziej złożonym projekcie potrzebna może być inna metoda.

W ramach publicznego szkolenia na statystyk.edu.pl test Fishera warto traktować nie jako izolowaną „procedurę na małą próbę”, lecz jako element pełnego procesu analizy: od poprawnego zdefiniowania jednostki badania i kategorii, przez konstrukcję tabeli, wybór hipotezy, obliczenie miary efektu, aż po ostrożny raport wyników.

Źródła i dalsza lektura

1. Fisher, R. A. (1922). On the Interpretation of χ2 from Contingency Tables, and the Calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94. DOI: 10.1111/j.2397-2335.1922.tb00768.x.
2. Agresti, A. (2013). Categorical Data Analysis. 3rd edition. John Wiley & Sons. Informacja wydawcy / źródło.
3. Lydersen, S.; Fagerland, M. W.; Laake, P. (2009). Recommended tests for association in 2×2 tables. Statistics in Medicine, 28(7), 1159–1175. DOI: 10.1002/sim.3531.
4. McHugh, M. L. (2013). The Chi-square test of independence. Biochemia Medica, 23(2), 143–149. DOI: 10.11613/BM.2013.018.
5. Bland, J. M.; Altman, D. G. (2000). The odds ratio. BMJ, 320(7247), 1468. DOI: 10.1136/bmj.320.7247.1468.
6. Mehta, C. R.; Patel, N. R. (1983). A network algorithm for performing Fisher’s exact test in r×c contingency tables. Journal of the American Statistical Association, 78(382), 427–434. DOI: 10.1080/01621459.1983.10477989.