061. Rodzaje pytań badawczych: opisowe, porównawcze, korelacyjne, predykcyjne i przyczynowe

PrzezRedaktor

W poprzednich lekcjach kursu na statystycznym portalu statystyk.edu.pl analizowaliśmy problem badawczy, cel, populację oraz spójność planu badania. Kolejnym krokiem jest rozpoznanie, jakiego rodzaju odpowiedzi właściwie poszukuje badacz. Pytanie o częstość zjawiska wymaga innego projektu niż pytanie o różnicę między grupami, zależność między zmiennymi, prognozowanie ryzyka czy ocenę skutku interwencji.

W tej lekcji uporządkujemy pięć często spotykanych rodzajów pytań badawczych: opisowe, porównawcze, korelacyjne, predykcyjne i przyczynowe. Kategorie te nie są całkowicie rozłączne. Jedno badanie może na przykład najpierw opisywać populację, następnie porównywać grupy, a dodatkowo budować model predykcyjny. Najważniejsze jest jednak to, aby główne pytanie, projekt, pomiar i analiza odpowiadały sobie logicznie.

1. Czym jest pytanie badawcze?

Pytanie badawcze to precyzyjnie sformułowane pytanie empiryczne, na które można odpowiedzieć za pomocą zaplanowanego zbierania i analizy danych. Nie jest ono jedynie tematem pracy ani ogólnym zainteresowaniem badacza. Temat może brzmieć „stres zawodowy pielęgniarek”, natomiast pytanie badawcze powinno wskazywać, czego dokładnie chcemy się dowiedzieć, w jakiej populacji, w jakim czasie i za pomocą jakich obserwacji.

Dobre pytanie określa co najmniej:

  • populację, której dotyczy wniosek;
  • zmienne lub zjawiska, które będą mierzone;
  • relację między zmiennymi, jeśli pytanie dotyczy porównania, związku, predykcji albo przyczynowości;
  • kontekst i horyzont czasowy;
  • zakres wnioskowania, czyli to, czego wynik badania będzie uzasadniał, a czego nie.

Warto odróżniać pytanie badawcze od hipotezy. Pytanie ma zwykle postać otwartą, na przykład: „Czy poziom aktywności fizycznej różni się między osobami z nadciśnieniem i bez nadciśnienia?”. Hipoteza jest przewidywaniem dotyczącym odpowiedzi, na przykład: „Osoby z nadciśnieniem mają niższy średni poziom aktywności fizycznej”. Hipotezy powinny wynikać z uzasadnienia teoretycznego lub wcześniejszych danych, a nie być dopisywane dopiero po obejrzeniu wyników.

2. Pytania opisowe

Istota pytania opisowego

Pytanie opisowe dotyczy rozpowszechnienia, częstości, rozkładu albo charakterystyki zjawiska. Nie wymaga porównywania grup ani wyjaśniania, dlaczego zjawisko występuje. Typowe formuły to:

  • Jaka jest częstość bezsenności wśród studentów medycyny?
  • Jaki jest średni czas oczekiwania na przyjęcie pacjenta na oddział ratunkowy?
  • Jakie objawy najczęściej zgłaszają pacjenci z migreną?
  • Jaki odsetek mieszkańców gminy korzysta z programu szczepień?

W badaniu opisowym zmienne mogą być analizowane za pomocą liczebności, odsetków, średniej, mediany, odchylenia standardowego, rozstępu międzykwartylowego oraz przedziałów ufności. W przypadku estymacji częstości należy zwracać uwagę na sposób doboru próby, kompletność danych i reprezentatywność. Sama duża liczebność próby nie naprawia błędu systematycznego wynikającego na przykład z rekrutacji wyłącznie osób zgłaszających się do jednej poradni.

Przykład

Badacz chce ustalić, jaki odsetek pacjentów wypisywanych z oddziału internistycznego doświadczał w ostatnim tygodniu istotnego klinicznie bólu. Pytanie może brzmieć: „Jaki odsetek dorosłych pacjentów wypisywanych z oddziału internistycznego zgłasza ból o natężeniu co najmniej 4 punkty w skali 0–10?” Jest to pytanie opisowe. Nie odpowiada ono jeszcze na pytanie, czy ból częściej występuje u kobiet, czy leczenie przeciwbólowe zmniejszyło jego natężenie ani czy wynik pozwala przewidzieć ponowną hospitalizację.

3. Pytania porównawcze

Istota pytania porównawczego

Pytanie porównawcze dotyczy tego, czy wartości zmiennej wynikowej różnią się między co najmniej dwiema grupami, warunkami lub punktami czasu. Porównywane grupy mogą być niezależne, na przykład pacjenci z dwóch szpitali, albo zależne, na przykład te same osoby przed i po szkoleniu.

Przykładowe pytania:

  • Czy średnie nasilenie lęku różni się między studentami pierwszego i ostatniego roku?
  • Czy odsetek ponownych wezwań zespołu ratownictwa medycznego różni się między powiatami?
  • Czy pacjenci korzystający z telemonitoringu osiągają inne wartości ciśnienia niż pacjenci objęci standardową opieką?

W pytaniu porównawczym należy jasno wskazać zmienną grupującą i zmienną wynikową. Jeżeli zmienną grupującą jest rodzaj opieki, zmienną wynikową może być czas hospitalizacji, nasilenie objawów albo jakość życia. Sam fakt występowania różnicy nie określa jeszcze jej znaczenia klinicznego.

W zależności od projektu i skali pomiaru można stosować między innymi test t, test U Manna–Whitneya, analizę wariancji, test Kruskala–Wallisa, test chi-kwadrat, modele regresji albo modele dla pomiarów powtarzanych. Dobór testu nie powinien być punktem wyjścia. Najpierw trzeba ustalić pytanie, sposób pomiaru, niezależność obserwacji, strukturę danych i potencjalne zmienne zakłócające.

4. Pytania korelacyjne

Związek między zmiennymi

Pytanie korelacyjne dotyczy tego, czy dwie lub większa liczba zmiennych współzmienia się. Przykłady:

  • Czy długość snu wiąże się z poziomem zmęczenia u pielęgniarek?
  • Czy wynik depresji koreluje z jakością życia pacjentów z chorobą przewlekłą?
  • Czy liczba godzin pracy ratowników wiąże się z częstością popełniania błędów dokumentacyjnych?

Dla dwóch zmiennych ilościowych można rozważać współczynnik korelacji Pearsona, oznaczany często symbolem r, albo współczynnik rang Spearmana, oznaczany symbolem ρ. Uproszczony wzór na korelację Pearsona ma postać:

r = cov(X,Y) / (sX · sY)

gdzie:

  • cov(X,Y) oznacza kowariancję zmiennych X i Y;
  • sX oznacza odchylenie standardowe zmiennej X;
  • sY oznacza odchylenie standardowe zmiennej Y.

Współczynnik r przyjmuje wartości od −1 do 1. Znak wskazuje kierunek zależności liniowej, a wartość bezwzględna informuje o jej nasileniu w badanej próbie. Nie istnieje jednak uniwersalny próg, który samodzielnie rozstrzygałby, czy związek jest „mały”, „średni” lub „duży” w sensie praktycznym. Interpretacja zależy od dziedziny, jakości pomiaru, zakresu wartości i konsekwencji klinicznych.

Korelacja nie jest dowodem przyczynowości. Związek może wynikać z przyczyny wspólnej, odwrotnego kierunku zależności, błędu pomiaru, selekcji uczestników albo przypadku. Co więcej, nawet wypowiedź o „związku” może skłaniać odbiorców do automatycznego wnioskowania przyczynowego (Gershman i Ullman, 2023). Wnioski powinny więc zachować język asocjacyjny: „wiązało się”, „współwystępowało”, „obserwowano zależność”, a nie „spowodowało”.

5. Pytania predykcyjne

Pytanie predykcyjne koncentruje się na tym, czy na podstawie dostępnych informacji można trafnie przewidzieć przyszły lub nieznany wynik. Predykcja nie musi odpowiadać na pytanie, dlaczego wynik wystąpił. Zmienna może być użyteczna predykcyjnie, nawet jeśli nie jest przyczyną wyniku.

Przykłady:

  • Czy na podstawie wieku, saturacji, częstości oddechów i ciśnienia można przewidzieć konieczność hospitalizacji pacjenta z dusznością?
  • Czy dane z pierwszej wizyty pozwalają przewidzieć rezygnację pacjenta z programu rehabilitacji?
  • Czy charakterystyka pacjenta i wyniki badań laboratoryjnych pozwalają oszacować ryzyko powikłania w ciągu 30 dni?

W modelu predykcyjnym zmienną wynikową oznacza się często jako Y, a predyktory jako X1, X2, ..., Xp. Przykładowy model regresji liniowej można zapisać:

Ŷ = β0 + β1X1 + β2X2 + ... + βpXp

gdzie Ŷ jest przewidywaną wartością wyniku, β0 wyrazem wolnym, β1 ... βp współczynnikami modelu, a X1 ... Xp wartościami predyktorów. Dla wyniku binarnego można wykorzystać regresję logistyczną, a dla czasu do zdarzenia – modele przeżycia.

Model należy oceniać nie tylko przez pryzmat dopasowania do danych, lecz także jego dyskryminacji, kalibracji, walidacji i użyteczności. Model może bardzo dobrze odtwarzać dane treningowe, a słabo działać u nowych pacjentów. Standard TRIPOD porządkuje sposób raportowania modeli prognozowania diagnozy i rokowania (Collins i in., 2015; Moons i in., 2015). Pytanie predykcyjne powinno również określać horyzont czasowy, np. ryzyko zgonu w ciągu 30 dni, a nie nieokreślone „ryzyko zgonu”.

6. Pytania przyczynowe

Pytanie przyczynowe dotyczy tego, jaki skutek wywołuje określona ekspozycja, interwencja lub decyzja. Przykłady:

  • Czy program przypominania SMS zwiększa zgłaszalność na wizyty kontrolne?
  • Czy wprowadzenie protokołu wczesnego ostrzegania skraca czas rozpoznania pogorszenia stanu pacjenta?
  • Czy udział w terapii poznawczo-behawioralnej zmniejsza nasilenie objawów bezsenności w porównaniu ze standardową opieką?

Najsilniejszym projektem do oceny skutku interwencji jest zwykle randomizowane badanie kontrolowane, ponieważ randomizacja może ograniczać systematyczne różnice między grupami. Nie każda kwestia przyczynowa może być jednak badana eksperymentalnie. Wtedy wykorzystuje się dobrze zaprojektowane badania obserwacyjne, podłużne, quasi-eksperymentalne lub analizy oparte na modelach przyczynowych.

Współczesne podejście do przyczynowości często odwołuje się do wyników potencjalnych. Dla osoby lub jednostki badania rozważa się wynik, który wystąpiłby przy ekspozycji A=1, oraz wynik, który wystąpiłby przy braku ekspozycji A=0. Indywidualny efekt przyczynowy można zapisać jako:

Y(1) − Y(0)

gdzie Y(1) oznacza potencjalny wynik przy ekspozycji, a Y(0) potencjalny wynik bez ekspozycji. Dla tej samej osoby nie obserwujemy jednocześnie obu wyników, dlatego efekt przyczynowy jest rekonstruowany na poziomie populacji na podstawie założeń projektu i analizy. Szczegółowe ramy takiego wnioskowania przedstawiają Hernán i Robins (2020).

Badanie obserwacyjne może dostarczyć argumentów dotyczących przyczynowości, ale sama korelacja, nawet statystycznie istotna, jej nie ustanawia. Należy oceniać czasową kolejność zdarzeń, zakłócenia, selekcję, błędy pomiaru, zgodność z mechanizmem oraz odporność wyniku na alternatywne wyjaśnienia. W raportowaniu badań obserwacyjnych pomocna jest lista STROBE, która wymaga między innymi jasnego opisania uczestników, zmiennych, źródeł danych, metod analizy i ograniczeń (von Elm i in., 2007).

7. Jak rozpoznać właściwy rodzaj pytania?

Rodzaj pytania Główne pytanie Typowy wynik Przykładowy język wniosku
Opisowe Co i jak często występuje? Odsetek, średnia, mediana, rozkład „W badanej próbie stwierdzono…”
Porównawcze Czy grupy lub warunki się różnią? Różnica średnich, odsetków lub rozkładów „Grupy różniły się pod względem…”
Korelacyjne Czy zmienne współwystępują? Współczynnik korelacji, iloraz szans, współczynnik regresji „Zaobserwowano związek…”
Predykcyjne Czy można przewidzieć wynik? Ryzyko, prawdopodobieństwo, czułość, swoistość, kalibracja „Model przewidywał…”
Przyczynowe Jaki skutek powoduje ekspozycja lub interwencja? Efekt interwencji, różnica ryzyka, iloraz ryzyka „Interwencja zmieniła wynik…”

8. Przykład praktyczny: badanie programu edukacyjnego

Załóżmy, że pielęgniarka oddziałowa chce ocenić program edukacyjny dotyczący zapobiegania odleżynom.

Krok 1: pytanie opisowe

„Jaki odsetek pacjentów unieruchomionych otrzymuje udokumentowaną ocenę ryzyka odleżyn w ciągu pierwszych 24 godzin hospitalizacji?” To pytanie pozwala określić stan wyjściowy.

Krok 2: pytanie porównawcze

„Czy odsetek prawidłowo udokumentowanych ocen ryzyka różni się między oddziałem, który wdrożył szkolenie, a oddziałem bez szkolenia?” To pytanie wymaga porównania grup lub oddziałów. Należy ocenić, czy grupy były porównywalne także pod względem liczby pacjentów, personelu i organizacji pracy.

Krok 3: pytanie predykcyjne

„Czy wiek pacjenta, unieruchomienie, niedożywienie i wynik skali ryzyka pozwalają przewidzieć wystąpienie odleżyny w ciągu 14 dni?” Tutaj celem jest prognoza, niekoniecznie ustalenie, który czynnik wywołuje odleżynę.

Krok 4: pytanie przyczynowe

„Czy wdrożenie programu edukacyjnego zmniejsza częstość nowych odleżyn w ciągu 14 dni w porównaniu ze standardową organizacją opieki?” To pytanie wymaga silniejszego projektu niż zwykłe zestawienie odsetków. Najlepiej zaplanować randomizację oddziałów lub etapowe wdrażanie programu, określić wynik główny przed rozpoczęciem badania i uwzględnić możliwe zakłócenia.

Ten przykład pokazuje, że podobny obszar tematyczny może prowadzić do pięciu różnych pytań. Każde z nich wymaga innych danych, innej analizy i innego języka interpretacji.

Najczęstsze błędy

  • Mylenie tematu z pytaniem. „Depresja u studentów” nie mówi, co zostanie zmierzone i jakie porównanie lub związek będzie analizowany.
  • Formułowanie pytania przyczynowego dla badania przekrojowego. Jednoczesny pomiar ekspozycji i wyniku utrudnia ustalenie kolejności czasowej.
  • Traktowanie korelacji jako dowodu przyczynowości. Związek statystyczny nie rozstrzyga kierunku oddziaływania ani nie wyklucza zmiennej zakłócającej.
  • Używanie słowa „przewiduje” bez walidacji. Współczynnik istotny statystycznie nie oznacza jeszcze, że model jest użyteczny klinicznie.
  • Koncentrowanie się wyłącznie na wartości p. Należy podawać wielkość efektu, przedział ufności i znaczenie praktyczne. Wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej.
  • Brak określenia populacji i czasu. „Czy interwencja zmniejsza ryzyko?” jest pytaniem niepełnym bez wskazania, u kogo, w jakim okresie i względem czego.
  • Zmiana pytania po analizie danych bez ujawnienia tego faktu. Analizy eksploracyjne są wartościowe, ale powinny być odróżnione od hipotez zaplanowanych wcześniej.
  • Nieadekwatny język przyczynowy. W badaniu obserwacyjnym bez wystarczającego uzasadnienia lepiej pisać „wiązało się z” niż „spowodowało”.

Co warto zapamiętać?

  • Pytanie opisowe określa, co i jak często występuje.
  • Pytanie porównawcze dotyczy różnic między grupami, warunkami lub czasami pomiaru.
  • Pytanie korelacyjne dotyczy współzmienności, ale nie ustanawia przyczynowości.
  • Pytanie predykcyjne sprawdza możliwość przewidywania wyniku u nowych osób lub w przyszłości.
  • Pytanie przyczynowe dotyczy skutku ekspozycji lub interwencji i wymaga projektu pozwalającego wiarygodnie rozważać alternatywne wyjaśnienia.
  • Ten sam temat może prowadzić do różnych rodzajów pytań, lecz każde pytanie wymaga odmiennego projektu, pomiaru i sposobu interpretacji.
  • Istotność statystyczna nie zastępuje oceny wielkości efektu, precyzji oszacowania i znaczenia praktycznego.

Przed rozpoczęciem analizy warto zapisać jedno zdanie: „Chcę ustalić, czy opisuję zjawisko, porównuję grupy, badam związek, przewiduję wynik czy oceniam skutek interwencji”. Taka decyzja porządkuje dalsze kroki metodologiczne i pomaga utrzymać spójność między pytaniem, hipotezą, projektem badania oraz analizą statystyczną.

\n

Źródła i dalsza lektura

\n

  1. Hernán, M. A., & Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC. Informacja wydawcy / źródło.
  2. American Psychological Association (2019). Publication Manual of the American Psychological Association. 7th ed.. American Psychological Association. Informacja wydawcy / źródło.
  3. Gershman, S. J., & Ullman, T. (2023). Causal implicatures from correlational statements. PLOS ONE, 18(5), e0286067. DOI: 10.1371/journal.pone.0286067.
  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. Collins, G. S., Reitsma, J. B., Altman, D. G., & Moons, K. G. M.; TRIPOD Group (2015). Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis (TRIPOD): The TRIPOD Statement. Annals of Internal Medicine, 162(10), 735–736. DOI: 10.7326/L15-5093-2.
  6. Moons, K. G. M., Altman, D. G., Reitsma, J. B., Ioannidis, J. P. A., Macaskill, P., Steyerberg, E. W., Vickers, A. J., Ransohoff, D. F., Collins, G. S. (2015). Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis (TRIPOD): Explanation and Elaboration. Annals of Internal Medicine, 162(1), W1–W73. DOI: 10.7326/M14-0698.
  7. Rimer, B. K. (1998). Correlation is not causation. American Journal of Public Health, 88(5), 832–833. DOI: 10.2105/AJPH.88.5.832.

\n

Podobne wpisy

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *