057. Jak przekształcić problem praktyczny w pytanie empiryczne?

W praktyce badawczej punktem wyjścia często nie jest gotowe pytanie naukowe, lecz niepokojąca obserwacja: pacjenci długo czekają na pomoc, studenci nie kończą programu terapeutycznego, personel nie stosuje jednolitej procedury, a mieszkańcy określonej dzielnicy częściej korzystają z pomocy doraźnej. Taki opis wskazuje na problem praktyczny, ale sam w sobie nie określa jeszcze, jakie dane należy zebrać ani jaką analizę przeprowadzić. Zadaniem badacza jest przekształcenie go w pytanie empiryczne, czyli pytanie, na które można odpowiedzieć na podstawie systematycznie zebranych i przeanalizowanych obserwacji.

W tej lekcji, będącej częścią publicznego szkolenia na statystyk.edu.pl, skupimy się na przejściu od języka codziennego i organizacyjnego do języka badań. Nie chodzi o mechaniczne dodanie kilku zmiennych do zdania. Chodzi o uzgodnienie problemu, celu, populacji, sposobu pomiaru, projektu badania i planu wnioskowania.

Problem praktyczny a pytanie empiryczne

Problem praktyczny dotyczy sytuacji wymagającej rozpoznania, decyzji albo zmiany działania. Może mieć postać pytania zarządczego, klinicznego, edukacyjnego lub społecznego, na przykład: „Czy poradnia powinna wprowadzić przypomnienia SMS?”, „Dlaczego pacjenci nie zgłaszają się na wizyty kontrolne?” albo „Czy nowy sposób organizacji dyżuru skróci czas oczekiwania?”.

Pytanie empiryczne jest bardziej określone. Odnosi się do zjawisk dostępnych obserwacji lub pomiarowi i wskazuje, jakie porównanie, zależność, częstość albo doświadczenie ma zostać zbadane. Powinno umożliwiać zaplanowanie:

• populacji lub grupy, której dotyczy pytanie;
• jednostki obserwacji, na przykład pacjenta, wizyty, oddziału lub gospodarstwa domowego;
• zmiennych i sposobu ich pomiaru;
• ram czasowych oraz kontekstu badania;
• projektu badania i procedury analitycznej;
• zakresu wniosku, który będzie uzasadniony przez dane.

Różnica jest zasadnicza. Zdanie „na naszym oddziale jest zbyt wiele upadków pacjentów” opisuje problem praktyczny. Pytanie empiryczne może brzmieć: Jaka była częstość upadków wśród pacjentów hospitalizowanych na oddziale internistycznym w okresie od stycznia do czerwca 2026 roku oraz czy różniła się między zmianą dzienną i nocną? Drugie sformułowanie wskazuje, co będzie liczone, u kogo, kiedy i według jakiego porównania.

Droga od problemu do pytania

1. Opisz decyzję, którą ma wspierać badanie

Najpierw należy ustalić, do czego wynik ma być wykorzystany. Czy celem jest opis sytuacji, wybór między dwiema procedurami, ocena programu, rozpoznanie czynników związanych ze zjawiskiem, czy zrozumienie doświadczeń uczestników? To ważne, ponieważ jedno zdanie praktyczne może prowadzić do kilku różnych badań.

Przykładowo problem „pacjenci z cukrzycą rzadko zgłaszają się na kontrolę” może prowadzić do pytania opisowego o odsetek osób, które odbyły wizytę, do pytania zależnościowego o związek między przypomnieniami a frekwencją albo do pytania jakościowego o bariery w korzystaniu z opieki. Nie należy rozstrzygać wszystkich tych kwestii jednym, przeładowanym pytaniem.

2. Zidentyfikuj zjawisko i jego możliwe wyjaśnienia

Problem praktyczny często zawiera interpretację, której nie potwierdzono. Sformułowanie „personel nie przestrzega procedury, ponieważ nie zna jej zasad” łączy obserwację z hipotezą wyjaśniającą. W pytaniu empirycznym trzeba je rozdzielić.

Najpierw można zapytać: Jaki odsetek obserwowanych procedur wykonano zgodnie z obowiązującym standardem? Dopiero następnie: Czy znajomość procedury jest związana z prawdopodobieństwem jej prawidłowego wykonania? Drugie pytanie wymaga pomiaru obu cech i ostrożności interpretacyjnej. Jeżeli dane są przekrojowe, wynik może wskazywać na związek, ale nie musi dowodzić, że poziom wiedzy powoduje określone zachowanie.

3. Określ populację, ekspozycję i wynik

Pomocna jest prosta konstrukcja:

W populacji [kogo?], czy [czynnik, interwencja lub cecha] wiąże się z [wynikiem], w [określonym czasie i kontekście]?

W badaniach interwencyjnych można użyć wersji:

U [populacja], czy zastosowanie [interwencja] w porównaniu z [komparator] zmienia [wynik] po [czas obserwacji]?

W badaniach jakościowych konstrukcja będzie inna: Jak pacjenci po udarze opisują bariery w samodzielnym wykonywaniu ćwiczeń w pierwszych trzech miesiącach po wypisie? Tutaj podstawowym materiałem nie są pomiary liczbowe, lecz wypowiedzi, obserwacje lub dokumenty analizowane według jawnej procedury.

4. Zastąp pojęcia abstrakcyjne operacjonalizacją

Operacjonalizacja polega na określeniu, jak pojęcie teoretyczne zostanie rozpoznane w danych. „Jakość życia”, „przestrzeganie zaleceń”, „wypalenie zawodowe” i „sprawność” nie są pojedynczymi, samooczywistymi zmiennymi. Należy wskazać narzędzie, skalę, punkt pomiaru i sposób interpretacji.

Na przykład „przestrzeganie zaleceń” może oznaczać odsetek dawek przyjętych według elektronicznego monitoringu, liczbę opuszczonych dawek według dzienniczka albo deklarację uczestnika w kwestionariuszu. Te operacjonalizacje nie są równoważne. Różnią się podatnością na błąd pamięci, wpływem oczekiwań i zakresem uchwyconego zachowania.

Dobra operacjonalizacja nie gwarantuje jeszcze trafnego pomiaru, ale umożliwia jego ocenę. W opisie projektu trzeba wyjaśnić, dlaczego wybrana miara reprezentuje badane pojęcie oraz jakie ma ograniczenia.

5. Dopasuj pytanie do projektu badania

Projekt badania wyznacza rodzaj wniosku, jaki można uzyskać. Badanie przekrojowe pozwala opisać częstość zjawiska i współwystępowanie cech w określonym momencie lub okresie. Badanie kohortowe umożliwia ustalenie kolejności czasowej ekspozycji i wyniku. Badanie z randomizacją może, przy odpowiedniej realizacji, dostarczać mocniejszych podstaw do oceny efektu interwencji. Badanie jakościowe może pogłębić rozumienie doświadczeń i mechanizmów postrzeganych przez uczestników.

Nie wystarczy zatem zapytać: „Czy program poprawia zdrowie?”. Trzeba ustalić, czy program będzie przydzielany losowo, obserwowany w naturalnych warunkach, czy analizowany na podstawie danych przed i po wdrożeniu. To samo sformułowanie może oznaczać różne pytania metodologiczne.

Typy pytań empirycznych

Typ pytania	Przykładowa formuła	Typowy wynik
Opisowe	Jak często i u kogo występuje dane zjawisko?	Odsetek, średnia, mediana, przedział ufności
Porównawcze	Czy wynik różni się między grupami?	Różnica średnich, różnica odsetków, iloraz szans lub ryzyka
Zależnościowe	Czy cecha A wiąże się z cechą B?	Współczynnik korelacji, współczynnik regresji, miara asocjacji
Predykcyjne	Jak dokładnie można przewidywać wynik?	Jakość predykcji, kalibracja, dyskryminacja
Interwencyjne	Czy interwencja zmienia wynik względem komparatora?	Efekt różnicy, względne ryzyko, różnica średnich
Jakościowe	Jak uczestnicy doświadczają lub wyjaśniają zjawisko?	Tematy, kategorie, wzorce znaczeń

Klasyfikacja nie jest jedynie ćwiczeniem terminologicznym. Pomaga przewidzieć, jakie dane będą potrzebne i czy planowana interpretacja jest możliwa. W badaniu opisowym nie powinno się obiecywać wyjaśnienia przyczyn, a w badaniu korelacyjnym nie należy automatycznie używać języka „wpływu” lub „skutku”.

Przykład 1: medycyna i bezpieczeństwo pacjenta

Problem praktyczny: na oddziale obserwuje się wiele błędów w podawaniu leków i rozważa się dodatkową kontrolę pielęgniarską.

Zbyt ogólne pytanie: Czy druga kontrola leków poprawi bezpieczeństwo pacjentów?

To pytanie jest niepełne. Nie określa, czym jest bezpieczeństwo, z czym porównuje się procedurę, jak długo trwa obserwacja ani czy badacz może przypisać zmianę interwencji.

Wersja empiryczna dla badania randomizowanego: U dorosłych pacjentów hospitalizowanych na oddziałach internistycznych, czy wdrożenie niezależnej, podwójnej kontroli przygotowania leków w porównaniu ze standardową procedurą zmniejsza odsetek udokumentowanych błędów podania w ciągu 12 tygodni?

W tym pytaniu trzeba jeszcze zdefiniować błąd, jednostkę analizy i sposób wykrywania zdarzeń. Możliwe wyniki to liczba błędów na 1000 dawek albo odsetek dawek z co najmniej jednym błędem. Są to różne miary, dlatego wybór należy ustalić przed analizą.

Wersja dla badania obserwacyjnego: Czy częstość błędów podania leków różni się między dyżurami, na których stosowano dodatkową kontrolę, a dyżurami bez tej kontroli, po uwzględnieniu liczby pacjentów i obciążenia pracą?

Jeżeli dodatkowa kontrola nie była przydzielana losowo, wynik może być obciążony różnicami między dyżurami. Na przykład bardziej doświadczeni pracownicy mogli częściej wdrażać kontrolę. Dlatego bezpieczniejsze jest mówienie o związku, a nie o udowodnionym efekcie przyczynowym.

Przykład 2: psychologia i pomoc studentom

Problem praktyczny: studenci korzystający z poradnictwa psychologicznego często przerywają udział po pierwszym spotkaniu.

Można sformułować kilka odmiennych pytań:

• Opisowe: Jaki odsetek studentów kończy udział po pierwszej konsultacji, a jaki kontynuuje co najmniej trzy spotkania?
• Zależnościowe: Czy odległość od poradni, czas oczekiwania na wizytę i nasilenie objawów wiążą się z przerwaniem udziału?
• Jakościowe: Jak studenci opisują powody rezygnacji z dalszych konsultacji?
• Interwencyjne: Czy przypomnienie SMS przed drugą wizytą zwiększa prawdopodobieństwo jej odbycia w porównaniu ze standardowym przypomnieniem?

Każde pytanie wymaga innego zestawu danych. W pierwszym wystarczy ewidencja wizyt. W drugim potrzebne są dodatkowe zmienne i odpowiednio zaplanowany model analityczny. W trzecim trzeba zaplanować dobór uczestników, wywiady oraz analizę materiału jakościowego. W czwartym istotne są zasady przydziału, definicja wyniku i czas obserwacji.

Przykład praktyczny: od notatki służbowej do protokołu

Notatka: „Mieszkańcy nie korzystają z programu szczepień, mimo że punkt działa w dogodnych godzinach”.

Krok 1 — rozdzielenie obserwacji od wyjaśnienia. Wiemy, że liczba zgłoszeń jest mniejsza od oczekiwanej. Nie wiemy jeszcze, czy przyczyną są godziny pracy, brak informacji, obawy zdrowotne, koszty dojazdu czy kryteria kwalifikacji.

Krok 2 — pytanie opisowe. Jaki odsetek uprawnionych mieszkańców skorzystał z programu w okresie od 1 marca do 31 maja 2026 roku?

Krok 3 — pytanie o bariery. Jakie bariery organizacyjne, informacyjne i finansowe mieszkańcy wskazują jako utrudniające skorzystanie z programu?

Krok 4 — pytanie porównawcze. Czy odsetek wykorzystanych terminów różni się między punktem działającym w godzinach popołudniowych a punktem działającym wyłącznie rano?

Krok 5 — decyzja o projekcie. Jeśli punkty różnią się także lokalizacją, personelem i populacją obsługiwaną, proste porównanie może być mylące. Wówczas należy zaplanować lepszy projekt, na przykład analizę wielu punktów, pomiar cech kontekstowych i z góry ustalone zmienne zakłócające.

W raporcie warto sprawdzić, czy opis metod odpowiada typowi badania. Dla badań obserwacyjnych użyteczna jest deklaracja STROBE, a dla randomizowanych badań równoległych — CONSORT. Są to przede wszystkim standardy przejrzystego raportowania, nie zamienniki poprawnego projektu badania (von Elm et al., 2007; Schulz, Altman, Moher et al., 2010).

Najczęstsze błędy

1. Próba zbadania wszystkiego naraz. Jedno pytanie zawiera kilka populacji, interwencji i wyników. Rozwiązaniem jest pytanie główne oraz ograniczona liczba pytań szczegółowych.
2. Używanie pojęć wartościujących. Słowa „dobry”, „zły”, „właściwy” i „skuteczny” trzeba zastąpić kryteriami pomiaru.
3. Brak ram czasowych. Częstość lub ryzyko bez wskazania okresu może być nieinterpretowalne.
4. Mylenie związku z przyczynowością. Korelacja albo różnica między naturalnie istniejącymi grupami nie dowodzi sama przez się, że jedna cecha wywołała drugą.
5. Niejasny wynik główny. Jeżeli badacz mierzy wiele rezultatów bez hierarchii, rośnie ryzyko selektywnego podkreślania korzystnych wyników.
6. Operacjonalizacja po zebraniu danych. Zmienianie definicji wyniku po obejrzeniu danych zwiększa ryzyko stronniczości.
7. Formułowanie pytania pod test statystyczny. Test, na przykład test t lub chi-kwadrat, jest narzędziem analizy, a nie treścią problemu badawczego.
8. Brak zgodności między pytaniem a próbą. Wniosek o wszystkich pacjentach nie jest uzasadniony, jeśli zbadano tylko jedną, niereprezentatywną grupę bez omówienia ograniczeń.

Jak ocenić gotowe pytanie?

Przed rozpoczęciem zbierania danych warto przejść przez krótką kontrolę:

• Czy wiadomo, jakiej populacji dotyczy pytanie?
• Czy najważniejsze pojęcia mają operacyjne definicje?
• Czy określono wynik główny i jego moment pomiaru?
• Czy projekt badania może dostarczyć danych do odpowiedzi?
• Czy język wniosku odpowiada sile projektu?
• Czy przewidziano najważniejsze czynniki zakłócające, braki danych i błędy pomiaru?
• Czy pytanie jest wystarczająco wąskie, aby można było przygotować plan analizy?

W praktyce pomocne jest zapisanie pytania przed doborem testu statystycznego. Następnie można sporządzić prostą tabelę: pojęcie, zmienna, sposób pomiaru, typ skali, czas pomiaru i planowana analiza. Taki krok ujawnia luki, które w języku potocznym pozostają niewidoczne.

Co warto zapamiętać?

• Problem praktyczny wskazuje sytuację wymagającą decyzji, natomiast pytanie empiryczne określa, czego dowiemy się z danych.
• Przekształcenie problemu wymaga określenia populacji, zjawiska, wyniku, czasu, kontekstu i projektu badania.
• Najpierw ustala się sens pytania i sposób pomiaru, a dopiero potem wybiera metodę analizy statystycznej.
• Jedno praktyczne pytanie może prowadzić do badań opisowych, porównawczych, zależnościowych, interwencyjnych albo jakościowych.
• Operacjonalizacja ogranicza niejednoznaczność, ale nie usuwa automatycznie błędów pomiaru.
• Język przyczynowy wymaga projektu, który uzasadnia wnioskowanie przyczynowe; samo współwystępowanie zmiennych nie wystarcza.
• Dobre pytanie badawcze jest jednocześnie konkretne, mierzalne, wykonalne i zgodne z planowanym sposobem wnioskowania.

Najkrótsza praktyczna formuła brzmi: co chcę rozstrzygnąć, u kogo, za pomocą jakich pomiarów, w jakim czasie i jaki rodzaj wniosku będzie uzasadniony? Jeżeli na każde z tych pytań można odpowiedzieć bez niejasności, problem praktyczny jest już blisko postaci użytecznego pytania empirycznego. Tak przygotowane pytanie stanie się następnie podstawą celu badania, doboru próby, operacjonalizacji zmiennych i planu analizy.

\n

Źródła i dalsza lektura

\n

1. Sackett, D. L., Rosenberg, W. M. C., Gray, J. A. M., Haynes, R. B., Richardson, W. S. (1996). Evidence based medicine: what it is and what it isn't. BMJ, 312(7023), 71–72. DOI: 10.1136/bmj.312.7023.71.
2. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., Vandenbroucke, J. P., for the STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies. PLoS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.
3. Schulz, K. F., Altman, D. G., Moher, D., for the CONSORT Group (2010). CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c332. DOI: 10.1136/bmj.c332.
4. Moher, D., Hopewell, S., Schulz, K. F., Montori, V., Gøtzsche, P. C., Devereaux, P. J., Elbourne, D., Egger, M., Altman, D. G. (2010). CONSORT 2010 Explanation and Elaboration: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c869. DOI: 10.1136/bmj.c869.
5. Hulley, S. B., Cummings, S. R., Browner, W. S., Grady, D. G., Newman, T. B. (2013). Designing Clinical Research: An Epidemiologic Approach. 4th edition. Wolters Kluwer/Lippincott Williams & Wilkins. Informacja wydawcy / źródło.
6. EQUATOR Network (2026). Reporting guidelines. EQUATOR Network. EQUATOR Network. Źródło.

\n