058. Jak uniknąć nadmiernej liczby celów szczegółowych?

W dobrze zaprojektowanym badaniu liczba celów szczegółowych nie powinna wynikać z chęci opisania wszystkiego, co można zmierzyć. Powinna wynikać z jednego, nadrzędnego problemu badawczego, dostępnych danych oraz projektu badania. Nadmiar celów często wygląda ambitnie, lecz w praktyce rozprasza uwagę badacza, utrudnia dobór próby, komplikuje analizę statystyczną i zwiększa ryzyko przypadkowych wyników. Ta lekcja pokazuje, jak budować hierarchię celów i jak świadomie rezygnować z pytań, które nie są konieczne do odpowiedzi na główny problem.

1. Czym jest cel szczegółowy?

Cel badania określa, co badacz zamierza ustalić, opisać, porównać, ocenić lub wyjaśnić. Cel główny wyznacza zasadniczy kierunek badania, natomiast cele szczegółowe rozkładają ten kierunek na mniejsze, operacyjne zadania.

Przykładowo, jeśli celem głównym jest ocena związku między jakością snu a nasileniem objawów depresyjnych u studentów, cele szczegółowe mogą dotyczyć:

• oszacowania częstości złej jakości snu;
• opisania nasilenia objawów depresyjnych;
• oceny związku między jakością snu a objawami depresyjnymi;
• sprawdzenia, czy związek ten zmienia się po uwzględnieniu wieku, płci i obciążenia nauką.

Nie oznacza to jednak, że każdą możliwą zmienną należy zamienić w osobny cel. Cel szczegółowy powinien wnosić odrębną, potrzebną informację. Sam fakt, że daną zmienną można zmierzyć, nie jest wystarczającym powodem, aby tworzyć dla niej osobny cel.

2. Dlaczego nadmiar celów jest problemem?

2.1. Rozmycie głównego pytania

Jeżeli badanie ma kilkanaście równorzędnych celów, trudno odpowiedzieć na pytanie, jaki jest jego najważniejszy rezultat. W konsekwencji wnioski mogą stać się zbiorem luźnych obserwacji zamiast spójną odpowiedzią na określony problem badawczy. Dobrze sformułowany projekt powinien pozwalać czytelnikowi szybko rozpoznać, co jest najważniejsze, co pomocnicze, a co jedynie eksploracyjne.

2.2. Trudniejszy dobór liczebności próby

Liczebność próby powinna być powiązana z najważniejszym porównaniem, zależnością lub oszacowaniem. Gdy badacz deklaruje wiele celów, pojawia się pytanie: dla którego z nich obliczono wymaganą liczebność próby? Próba wystarczająca do oszacowania częstości może być niewystarczająca do wykrycia małej różnicy między grupami. Z kolei próba dobrana do bardzo wielu analiz może być nieosiągalna organizacyjnie lub finansowo.

Nie należy rozwiązywać tego problemu przez mechaniczne wybieranie największej liczebności spośród wielu obliczeń. Najpierw trzeba określić, który cel ma pierwszeństwo i jakie rozstrzygnięcie byłoby najbardziej istotne dla praktyki.

2.3. Większe ryzyko przypadkowych wyników

Każdy test statystyczny jest obarczony ryzykiem wyniku istotnego statystycznie mimo braku rzeczywistego efektu. Jeżeli wykonuje się wiele testów, rośnie prawdopodobieństwo, że przynajmniej jeden z nich będzie wyglądał na „pozytywny” wyłącznie z powodu losowej zmienności. Bland i Altman zwracali uwagę, że przy dużej liczbie testów można niemal nieuchronnie znaleźć jakiś wynik istotny statystycznie (Bland i Altman, 1995).

Dla przykładu, gdy wykonuje się 20 niezależnych testów przy poziomie alfa równym 0,05, prawdopodobieństwo uzyskania co najmniej jednego wyniku istotnego statystycznie przy prawdziwej hipotezie zerowej dla wszystkich testów wynosi:

1 − (1 − α)m

gdzie:

• α oznacza przyjęty poziom istotności dla pojedynczego testu, na przykład 0,05;
• m oznacza liczbę wykonywanych testów;
• 1 − (1 − α)m oznacza prawdopodobieństwo uzyskania co najmniej jednego wyniku istotnego w całym zbiorze testów, przy założeniu niezależności testów.

Dla α = 0,05 i m = 20 otrzymujemy około 0,64, czyli około 64%. Nie oznacza to, że w każdym badaniu pojawi się błędny wynik, ponieważ testy często są zależne, a hipotezy nie zawsze są prawdziwe. Pokazuje jednak, dlaczego mnożenie celów i analiz wymaga ostrożności.

3. Podstawowa zasada: jeden cel główny, kilka celów wspierających

Najbardziej użyteczna zasada brzmi: najpierw określ cel główny, a dopiero potem wybierz najmniejszy zestaw celów szczegółowych niezbędnych do jego realizacji. W wielu badaniach wystarczają:

1. jeden cel główny;
2. dwa do czterech celów szczegółowych bezpośrednio wspierających cel główny;
3. odrębnie oznaczone analizy eksploracyjne, jeśli rzeczywiście są potrzebne.

Nie jest to sztywna reguła liczbowo obowiązująca w każdej dziedzinie. Badanie wieloetapowe, kohortowe lub projekt dotyczący złożonego programu zdrowotnego może uzasadniać większą liczbę celów. Ważne jest jednak, aby każdy cel miał określoną funkcję i miejsce w hierarchii.

Hierarchia celów

Poziom	Rola	Przykład
Cel główny	Odpowiada na najważniejsze pytanie badawcze.	Ocena wpływu programu edukacyjnego na kontrolę ciśnienia tętniczego.
Cel kluczowy wtórny	Uzupełnia cel główny o ważny, wcześniej uzasadniony aspekt.	Ocena wpływu programu na przestrzeganie zaleceń terapeutycznych.
Cel pomocniczy	Opisuje próbę lub wspiera interpretację wyniku głównego.	Opis charakterystyki pacjentów i odsetka osób, które ukończyły program.
Cel eksploracyjny	Generuje hipotezę do przyszłego badania, bez statusu rozstrzygającego.	Sprawdzenie, czy efekt może różnić się zależnie od wieku.

Standardy raportowania APA JARS zalecają rozróżnianie analiz, hipotez i wniosków pierwotnych, wtórnych oraz eksploracyjnych. Taki podział zwiększa przejrzystość i pozwala czytelnikowi ocenić, które wyniki były zaplanowane przed analizą danych (Appelbaum i in., 2018).

4. Jak zdecydować, czy cel jest naprawdę potrzebny?

4.1. Test konieczności

Przy każdym proponowanym celu zadaj pięć pytań:

1. Czy cel bezpośrednio wynika z problemu głównego? Jeśli nie, może być pobocznym zainteresowaniem, a nie elementem tego projektu.
2. Czy odpowiedź na ten cel zmieni interpretację celu głównego? Jeżeli wynik nie wpłynie na podstawowy wniosek, cel może być wtórny albo zbędny.
3. Czy cel ma jasno określoną populację, zmienne i sposób pomiaru? Cel ogólnikowy, taki jak „ocena wpływu wielu czynników”, zwykle ukrywa kilka różnych pytań.
4. Czy istnieje uzasadnienie teoretyczne, kliniczne lub społeczne? Sama dostępność danych nie jest wystarczającym uzasadnieniem.
5. Czy projekt, próba i plan analizy pozwalają wiarygodnie odpowiedzieć na ten cel? Cel niemożliwy do rzetelnego zbadania nie poprawia projektu.

Jeżeli na większość pytań odpowiadasz „nie”, cel należy usunąć, połączyć z innym albo przenieść do analiz eksploracyjnych.

4.2. Grupowanie celów zamiast ich mnożenia

Czasami wiele celów wynika z rozbicia jednego zagadnienia na zbyt drobne elementy. Na przykład zamiast pisać osobno, że badanie oceni związek stresu z tętnem, ciśnieniem skurczowym, ciśnieniem rozkurczowym i częstością oddechów, można sformułować jeden cel dotyczący związku stresu z wybranymi parametrami fizjologicznymi. Następnie w planie analizy należy wskazać, który parametr jest głównym wynikiem, a które mają charakter wtórny.

Trzeba jednak zachować ostrożność. Grupowanie nie może służyć ukrywaniu wielu różnych analiz pod jednym ogólnym zdaniem. Każdy wynik powinien być później jawnie opisany, a jego status — główny, wtórny lub eksploracyjny — powinien być czytelny.

5. Przykład pierwszy: program edukacyjny dla pacjentów z nadciśnieniem

Badacz planuje badanie porównujące standardową opiekę z sześciotygodniowym programem edukacyjnym prowadzonym przez pielęgniarki. Uczestnicy mają być obserwowani przez trzy miesiące.

Początkowa lista celów obejmuje:

• ocenę zmiany ciśnienia skurczowego;
• ocenę zmiany ciśnienia rozkurczowego;
• ocenę zmiany masy ciała;
• ocenę zmiany obwodu talii;
• ocenę przestrzegania farmakoterapii;
• ocenę wiedzy o nadciśnieniu;
• ocenę satysfakcji pacjentów;
• ocenę jakości życia;
• sprawdzenie różnic zależnych od wieku;
• sprawdzenie różnic zależnych od płci;
• sprawdzenie różnic zależnych od czasu trwania choroby.

Tak sformułowany projekt jest przeciążony. Nie wiadomo, który wynik ma decydować o powodzeniu programu, a liczba potencjalnych porównań jest bardzo duża.

Lepsza wersja może wyglądać następująco:

• Cel główny: ocena, czy program edukacyjny prowadzi do większego obniżenia ciśnienia skurczowego po trzech miesiącach niż standardowa opieka.
• Cel wtórny 1: ocena zmiany ciśnienia rozkurczowego.
• Cel wtórny 2: ocena przestrzegania farmakoterapii.
• Cel wtórny 3: ocena zmiany wiedzy o nadciśnieniu.
• Cel eksploracyjny: sprawdzenie, czy wielkość efektu różni się zależnie od wieku.

Masę ciała, obwód talii, satysfakcję i jakość życia można pozostawić jako wyniki dodatkowe, jeżeli istnieje dla nich uzasadnienie. Nie powinny jednak automatycznie otrzymywać takiego samego statusu jak główny wynik kliniczny. Jeżeli badanie jest randomizowane, sposób raportowania celów i wyników powinien być zgodny z odpowiednimi zaleceniami CONSORT, które wymagają wyraźnego przedstawienia wyników pierwotnych i wtórnych wraz z oszacowaniem efektu i jego precyzji (Schulz, Altman i Moher, 2010).

6. Przykład drugi: badanie dobrostanu psychicznego studentów

Załóżmy, że badacz dysponuje ankietą obejmującą 40 pytań i chce zbadać dobrostan studentów. Lista możliwych zmiennych obejmuje lęk, depresyjność, samotność, stres, jakość snu, aktywność fizyczną, korzystanie z mediów społecznościowych, wsparcie społeczne, dochód, miejsce zamieszkania, rok studiów, kierunek, płeć, wiek i sytuację rodzinną.

Naturalną pokusą jest stworzenie osobnego celu dla każdej zmiennej. Prowadzi to jednak do projektu typu „sprawdźmy wszystko ze wszystkim”. Bardziej racjonalne rozwiązanie wymaga decyzji, jaki konstrukt jest najważniejszy.

Przykładowe ograniczenie projektu:

• cel główny: ocena związku między jakością snu a nasileniem objawów depresyjnych;
• cel wtórny: ocena, czy związek pozostaje widoczny po uwzględnieniu stresu i wsparcia społecznego;
• cel opisowy: oszacowanie odsetka studentów z wynikiem wskazującym na obniżoną jakość snu;
• cel eksploracyjny: sprawdzenie, czy związek różni się między studentami pierwszego roku a studentami starszych lat.

Wiek, płeć i miejsce zamieszkania nie muszą być osobnymi celami. Mogą być zmiennymi opisowymi lub potencjalnymi czynnikami zakłócającymi. To ważne rozróżnienie: zmienna wykorzystana w analizie nie zawsze wymaga osobnego celu badawczego.

7. Cele a hipotezy i plan analizy

Cel mówi, co badacz chce ustalić. Hipoteza jest bardziej szczegółowym, teoretycznie uzasadnionym przewidywaniem dotyczącym oczekiwanego wyniku. Plan analizy określa, w jaki sposób wynik zostanie oszacowany lub porównany.

Przykład:

• cel: ocena różnicy w ciśnieniu skurczowym między grupą programu i grupą kontrolną po trzech miesiącach;
• hipoteza: uczestnicy programu będą mieli niższe średnie ciśnienie skurczowe niż uczestnicy standardowej opieki;
• analiza: porównanie grup z oszacowaniem różnicy średnich i 95-procentowego przedziału ufności, ewentualnie z korektą o wartość wyjściową.

Każdy cel powinien mieć swoje miejsce w planie analizy. Jeśli nie wiadomo, jaki wynik będzie uznany za odpowiedź na dany cel, cel jest prawdopodobnie zbyt ogólny. Z kolei jeśli jeden cel wymaga piętnastu niezależnych analiz, należy sprawdzić, czy nie obejmuje kilku różnych pytań.

Warto pamiętać, że wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej. Duża liczba celów może zwiększać ryzyko przypadkowych wyników istotnych statystycznie, ale nie rozwiązuje się tego problemu wyłącznie przez mechaniczne obniżanie poziomu alfa. Najpierw należy ograniczyć liczbę pytań do tych, które są naprawdę uzasadnione, a dopiero potem zaplanować odpowiednie postępowanie dla wielokrotnych porównań.

8. Analiza przypadku: redukcja celów krok po kroku

Badanie dotyczy pacjentów po wypisie ze szpitala z powodu zaostrzenia przewlekłej obturacyjnej choroby płuc. Badacz chce ocenić telefoniczne wsparcie pielęgniarskie.

Wersja przeciążona: ocena wpływu wsparcia na liczbę ponownych hospitalizacji, wizyty w poradni, duszność, jakość życia, lęk, depresję, aktywność fizyczną, prawidłowe przyjmowanie leków, technikę inhalacji, satysfakcję, koszty leczenia, absencję zawodową oraz śmiertelność.

Krok pierwszy — wybór najważniejszego wyniku: jeśli problem praktyczny dotyczy ponownych hospitalizacji, można wybrać rehospitalizację w ciągu 90 dni jako cel główny.

Krok drugi — wybór wyników wspierających: duszność, jakość życia i prawidłowe stosowanie inhalatora mogą być celami wtórnymi, ponieważ pomagają wyjaśnić potencjalny mechanizm działania programu.

Krok trzeci — oddzielenie wyników eksploracyjnych: koszty leczenia i absencja zawodowa mogą być analizowane dodatkowo, jeśli badanie ma odpowiednie dane i liczebność próby. Nie należy jednak przedstawiać ich jako równorzędnych dowodów skuteczności, jeśli nie zaplanowano ich odpowiednio.

Krok czwarty — usunięcie celów nieosiągalnych: śmiertelność może wymagać znacznie większej próby i dłuższej obserwacji niż dostępne w projekcie 90 dni. W takiej sytuacji nie powinna być formalnym celem, chyba że badanie rzeczywiście ma moc i czas obserwacji pozwalające ją ocenić.

W badaniach obserwacyjnych przejrzyste rozdzielenie celów, zmiennych i analiz jest również istotne. Wytyczne STROBE pomagają uporządkować sposób raportowania pytań badawczych, wyników i metod, choć nie zastępują samodzielnego planowania projektu (von Elm i in., 2007).

9. Najczęstsze błędy

• Traktowanie każdej zmiennej jako osobnego celu. Zmienna może być jedynie pomiarem pomocniczym, potencjalnym czynnikiem zakłócającym albo elementem opisu próby.
• Brak hierarchii. Jeśli wszystkie cele są „główne”, w praktyce nie ma celu głównego.
• Dodawanie celów po obejrzeniu danych. Analizy wynikające z danych mogą być wartościowe, ale powinny być wyraźnie oznaczone jako eksploracyjne.
• Używanie jednego ogólnego czasownika dla wielu pytań. Sformułowanie „ocena wpływu różnych czynników na zdrowie” może ukrywać kilka odrębnych projektów.
• Mylenie celu z metodą. „Wykonanie regresji logistycznej” nie jest celem merytorycznym, lecz sposobem analizy.
• Mylenie celu z czynnością organizacyjną. „Zebranie 200 ankiet” opisuje realizację badania, a nie wiedzę, którą badanie ma wytworzyć.
• Obiecywanie wniosków przyczynowych w badaniu obserwacyjnym. Cel powinien mówić o związku, różnicy lub częstości, jeśli projekt nie uzasadnia wnioskowania o przyczynowości.
• Uznawanie istotności statystycznej za znaczenie praktyczne. Cel powinien wskazywać, jaki efekt ma znaczenie kliniczne, społeczne lub organizacyjne, a nie tylko czy wynik przekroczy ustalony próg p.

10. Procedura ograniczania liczby celów

1. Zapisz jeden problem główny w jednym zdaniu.
2. Wymień wszystkie możliwe cele bez oceniania ich liczby.
3. Przypisz każdemu celowi populację, ekspozycję lub interwencję, wynik i ramy czasowe.
4. Usuń cele, które nie wynikają bezpośrednio z problemu głównego.
5. Połącz cele dotyczące tego samego konstruktu, ale zachowaj odrębność wyników w planie analizy.
6. Wybierz jeden cel główny na podstawie znaczenia praktycznego i możliwości badania.
7. Ogranicz cele wtórne do tych, które są teoretycznie lub klinicznie uzasadnione.
8. Oznacz pozostałe analizy jako eksploracyjne albo zaplanuj je w osobnym projekcie.
9. Sprawdź zgodność celów z liczebnością próby, narzędziami pomiarowymi i analizą statystyczną.
10. Przed rozpoczęciem zbierania danych zapisz hierarchię celów w protokole lub planie analizy.

Co warto zapamiętać?

• Nadmierna liczba celów nie zwiększa automatycznie wartości badania.
• Cel szczegółowy powinien być potrzebny do odpowiedzi na problem główny, a nie tylko możliwy do zbadania.
• Jeden cel główny i kilka dobrze uzasadnionych celów wtórnych zwykle tworzą czytelniejszy projekt niż długa lista równorzędnych punktów.
• Nie każda zmienna wymaga osobnego celu; część zmiennych służy opisowi próby, kontroli zakłóceń lub analizie pomocniczej.
• Analizy zaplanowane po obejrzeniu danych należy przedstawiać jako eksploracyjne, a nie jako potwierdzenie wcześniej postawionej hipotezy.
• Ograniczenie liczby celów pomaga dopasować liczebność próby, narzędzia, czas obserwacji i plan analizy.
• Przejrzysta hierarchia celów ułatwia raportowanie zgodne z dobrymi praktykami, w tym z APA JARS, CONSORT lub STROBE, zależnie od projektu.

W ramach publicznego szkolenia na statystyk.edu.pl warto traktować tę procedurę jako etap kontroli jakości projektu: zanim przejdzie się do hipotez i metod statystycznych, należy sprawdzić, czy badanie rzeczywiście odpowiada na jedno główne pytanie, czy też próbuje jednocześnie realizować kilka niezależnych projektów.

\n

Źródła i dalsza lektura

\n

1. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. DOI: 10.1037/amp0000191.
2. Bland, J. M., & Altman, D. G. (1995). Multiple significance tests: The Bonferroni method. BMJ, 310(6973), 170. DOI: 10.1136/bmj.310.6973.170.
3. Schulz, K. F., Altman, D. G., & Moher, D.; CONSORT Group (2010). CONSORT 2010 statement: Updated guidelines for reporting parallel group randomised trials. BMJ, 340, c332. DOI: 10.1136/bmj.c332.
4. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P.; 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.
5. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P.; STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies—Explanation and elaboration. PLoS Medicine, 4(10), e297. DOI: 10.1371/journal.pmed.0040297.
6. Kirkwood, B. R., & Sterne, J. A. C. (2012). Essential Medical Statistics. 2nd edition. Wiley-Blackwell. Informacja wydawcy / źródło.
7. American Psychological Association (2018). APA Style Journal Article Reporting Standards. American Psychological Association. Źródło.

\n