399. Co zrobić, gdy wynik ma silnie skośny rozkład?

Silnie skośny rozkład wyniku jest częsty w badaniach medycznych, psychologicznych i społecznych. Czas hospitalizacji, koszty leczenia, stężenia niektórych biomarkerów, liczba interwencji ratowniczych czy czas oczekiwania na świadczenie często mają długi prawy ogon: większość obserwacji skupia się przy niższych wartościach, ale niewielka liczba osób osiąga wartości bardzo wysokie. Nie oznacza to jednak, że należy automatycznie porzucić klasyczne metody ani że jedynym rozwiązaniem jest test U Manna–Whitneya. Najpierw trzeba ustalić, co dokładnie chcemy porównać, skąd bierze się skośność i na jakiej skali wynik ma znaczenie dla odbiorcy.

W tej lekcji kursu dostępnego na statystyk.edu.pl skupiamy się na porównywaniu dwóch grup oraz dwóch pomiarów. Kluczowa zasada brzmi: wybór metody powinien wynikać z pytania badawczego, typu danych i planowanego parametru, a nie wyłącznie z wyniku testu normalności.

Czym jest silnie skośny rozkład?

Rozkład jest skośny, gdy jego wartości nie układają się symetrycznie wokół środka. W praktyce najczęściej spotyka się skośność prawostronną. Wtedy wiele wyników jest małych lub umiarkowanych, a kilka obserwacji ma wartości znacznie większe. Przykładem może być liczba dni pobytu w szpitalu: większość pacjentów wypisywana jest po kilku dniach, lecz pojedynczy pacjenci pozostają hospitalizowani przez wiele tygodni.

Przy skośności prawostronnej średnia arytmetyczna jest zwykle większa od mediany. Nie oznacza to, że średnia jest „błędna”. Średnia odpowiada na pytanie o przeciętną wartość w sensie arytmetycznym i może być właściwym parametrem, na przykład w analizie średnich kosztów ponoszonych przez system ochrony zdrowia. Problem polega na tym, że w małej próbie kilka wysokich obserwacji może silnie wpływać na jej wartość i zwiększać niepewność oszacowania (Bland i Altman, 1996).

Ważne jest odróżnienie skośności samego wyniku od naruszenia innych założeń. W porównaniu dwóch niezależnych grup istotne są między innymi: niezależność obserwacji, podobieństwo lub odpowiednie modelowanie wariancji, sposób doboru próby oraz właściwa specyfikacja parametru. W badaniu przed–po dodatkowo analizujemy zależność między dwoma pomiarami tej samej osoby.

Pierwszy krok: rozpoznaj charakter danych

Nie każda „nienormalność” wymaga interwencji

Rozkład pojedynczych obserwacji nie musi być idealnie normalny, aby można było zastosować model oparty na średnich. Wraz ze wzrostem liczebności próby rozkład średniej z próby może być bliższy normalnemu, nawet gdy rozkład wyjściowych danych jest skośny. Nie ma jednak jednej uniwersalnej granicy liczebności, po której problem znika. Znaczenie mają stopień skośności, liczba obserwacji, obecność wartości odstających, nierówność wariancji i cel analizy (Sainani, 2012).

Dlatego należy obejrzeć dane, a nie tylko uruchomić test Shapiro–Wilka. Przy dużej próbie test może wykazać istotne odchylenie od normalności nawet wtedy, gdy nie ma ono praktycznego znaczenia. Przy małej próbie test może nie wykryć rzeczywistego problemu. Przydatne są histogram, wykres pudełkowy, wykres kwantyl–kwantyl oraz zestawienie mediany, kwartyli, minimum i maksimum. W badaniu dwóch grup trzeba sprawdzić rozkład osobno w każdej grupie, a przy pomiarach powtarzanych – przede wszystkim rozkład różnic.

Ustal, czy zera są możliwe i co oznaczają

Transformacja logarytmiczna wymaga szczególnej uwagi, ponieważ logarytm zera nie jest określony. Zera mogą mieć różne znaczenie. W badaniu liczby wizyt u specjalisty zero może oznaczać brak wizyt w obserwowanym okresie. W badaniu nasilenia objawu zero może oznaczać rzeczywisty najniższy poziom na skali. W badaniu stężenia biomarkera zero może być poniżej granicy oznaczalności, a nie dosłownym brakiem substancji.

Jeżeli zera oznaczają odrębny stan, nie należy mechanicznie zastępować ich wartością 0,5 ani dodawać stałej bez uzasadnienia. W analizie mogą być potrzebne dwa etapy: model prawdopodobieństwa wystąpienia wartości dodatniej oraz model wielkości wyniku wśród obserwacji dodatnich. Takie podejście określa się jako model dwuczęściowy. W przypadku danych zliczeniowych można rozważyć modele Poissona, ujemno-dwumianowe lub ich odmiany, zależnie od średniej, wariancji i struktury zer (Delucchi i Bostrom, 2004; Mihaylova i in., 2011).

Możliwe strategie analizy

1. Pozostawienie skali oryginalnej

Skośność sama w sobie nie wymusza transformacji. Jeżeli pytanie dotyczy średniej arytmetycznej, a próba jest dostatecznie duża, można analizować dane na skali oryginalnej, stosując na przykład test t Welcha, model liniowy z odpornymi błędami standardowymi albo bootstrapowy przedział ufności. Test t Welcha jest szczególnie użyteczny, gdy wariancje w dwóch grupach są różne, ponieważ nie wymaga ich równości.

Wynik należy wtedy raportować na skali naturalnej: jako różnicę średnich, przedział ufności i – jeśli to uzasadnione – miarę zmienności. Nie trzeba ukrywać skośności; trzeba ją opisać. W badaniu kosztów medycznych różnica średnich może być ważniejsza dla płatnika niż różnica median, ponieważ odpowiada na pytanie o przeciętny koszt przypadający na pacjenta.

2. Transformacja logarytmiczna

Jeżeli wynik przyjmuje wyłącznie wartości dodatnie i ma prawostronnie skośny rozkład, można rozważyć transformację:

y' = ln(y)

gdzie y oznacza wynik na skali oryginalnej, ln – logarytm naturalny, a y' – wynik po transformacji. Logarytm zmniejsza względny wpływ bardzo dużych wartości i często powoduje, że rozkład jest bardziej symetryczny. Nie gwarantuje jednak normalności ani poprawności modelu. Transformacja powinna być oceniana na podstawie wykresów i założeń konkretnej analizy, a nie przyjmowana automatycznie (Bland i Altman, 1996; West, 2022).

Na skali logarytmicznej różnica średnich ma interpretację logarytmu ilorazu. Po powrocie do skali oryginalnej:

R = exp(Δ)

gdzie Δ jest różnicą średnich logarytmów, a R – ilorazem średnich geometrycznych. Jeśli R = 0,80, można powiedzieć, że średnia geometryczna w grupie badanej stanowi 80% wartości w grupie odniesienia, czyli jest o około 20% niższa. Takiej interpretacji nie należy zastępować stwierdzeniem, że „średnia jest o 20% niższa”, jeśli analizowano średnie logarytmiczne bez wyjaśnienia skali.

Średnia geometryczna dla dodatnich obserwacji jest równa:

GM = exp[(ln(y1) + ln(y2) + ... + ln(yn))/n]

gdzie y1, ..., yn są dodatnimi obserwacjami, a n oznacza ich liczbę. Średnia geometryczna jest użyteczna, gdy wynik ma charakter multiplikatywny, na przykład gdy różnice między grupami wyrażają się raczej jako iloraz lub procentowa zmiana niż jako stała różnica jednostek.

Trzeba pamiętać, że odwrócenie transformacji średniej logarytmicznej daje średnią geometryczną, a nie średnią arytmetyczną. Przedział ufności należy obliczyć na skali logarytmicznej, a następnie przekształcić jego granice funkcją wykładniczą. Nie należy najpierw uśredniać wyników na skali oryginalnej, a później „logarytmować” gotowej średniej.

3. Mediana i przedział międzykwartylowy

Mediana jest odporna na pojedyncze bardzo wysokie obserwacje. Wraz z kwartylem pierwszym i trzecim dobrze opisuje typową pozycję oraz rozproszenie w silnie skośnej próbie. W dwóch niezależnych grupach można porównać rozkłady metodą U Manna–Whitneya, lecz nie należy automatycznie przedstawiać jej jako testu median. Test ten opiera się na rangach i w ogólności ocenia różnicę rozkładów; interpretacja jako różnicy median wymaga dodatkowych warunków, między innymi podobnego kształtu rozkładów.

W badaniu przed–po test Wilcoxona dla prób zależnych może być użyteczny, gdy różnice nie są symetryczne i nie chcemy przyjmować normalności różnic. Warto jednak pamiętać, że test rangowy nie rozwiązuje problemu niejasnego pytania badawczego. Sam fakt uzyskania istotnego wyniku nie mówi, czy zmiana jest duża, klinicznie ważna ani jak wygląda na skali jednostek pomiaru.

4. Bootstrap i metody odporne

Bootstrap polega na wielokrotnym losowaniu ze zwracaniem z obserwowanej próby i obliczaniu interesującej statystyki, na przykład różnicy średnich, różnicy median lub ilorazu średnich geometrycznych. Rozkład uzyskanych statystyk służy do skonstruowania przedziału ufności. Bootstrap może być szczególnie pomocny przy skośności, ale nie jest magicznym sposobem naprawiania małej lub niereprezentatywnej próby. Jeżeli próba nie odzwierciedla populacji, wielokrotne przeliczanie tej samej próby nie usuwa błędu doboru.

W porównaniu dwóch grup należy stosować schemat bootstrapu zgodny z projektem badania. Przy niezależnych grupach można „resamplować” osoby osobno w każdej grupie. Przy pomiarach sparowanych trzeba „resamplować” całe pary, a nie pojedyncze pomiary niezależnie. W przeciwnym razie zniszczymy zależność przed–po.

5. Modele dla danych o określonej strukturze

Niektóre rozkłady są skośne nie dlatego, że „źle zmierzono” wynik, lecz dlatego, że jego natura nie jest gaussowska. Liczba zdarzeń jest zmienną zliczeniową, czas do zdarzenia może wymagać analizy przeżycia, a koszty często mają długi prawy ogon i zera. W takich sytuacjach można użyć uogólnionych modeli liniowych z odpowiednim rozkładem i funkcją łączącą. Przykładowo rozkład ujemno-dwumianowy bywa rozważany przy nadmiernej zmienności danych zliczeniowych, a rozkład gamma z logarytmiczną funkcją łączącą przy dodatnich, ciągłych kosztach.

Model powinien odpowiadać nie tylko kształtowi danych, ale też pytaniu. W analizie kosztów można chcieć oszacować iloraz kosztów, różnicę średnich kosztów lub prawdopodobieństwo poniesienia kosztu. Są to różne parametry. Przegląd Mihaylovej i współautorów pokazuje, że dla danych o wykorzystaniu świadczeń i kosztach istnieje wiele klas metod, a prosta transformacja nie zawsze jest najlepszym rozwiązaniem (Mihaylova i in., 2011).

Przykład praktyczny: czas oczekiwania na pomoc ratunkową

Załóżmy, że porównujemy czas oczekiwania na przyjazd zespołu ratownictwa medycznego w dwóch dzielnicach. W każdej dzielnicy obserwujemy 35 zgłoszeń. Większość czasów wynosi od 6 do 18 minut, lecz w każdej grupie pojawiają się pojedyncze wartości przekraczające 60 minut. Histogramy wskazują silną skośność prawostronną.

Pierwsze pytanie brzmi: czy analizujemy średni czas z perspektywy organizatora systemu, czy typowy czas oczekiwania pacjenta? Jeśli interesuje nas typowy przypadek, mediana i przedział międzykwartylowy mogą być naturalnym opisem. Jeśli interesują nas zasoby i całkowite obciążenie systemu, średnia może mieć większe znaczenie.

Możliwe postępowanie obejmuje: opis mediany i kwartylów w obu dzielnicach, przedstawienie wszystkich obserwacji na wykresie, porównanie median metodą rangową oraz bootstrapowy przedział ufności dla różnicy median. Dodatkowo można przeprowadzić analizę wrażliwości z użyciem testu t Welcha dla średnich, jeżeli pytanie dotyczy przeciętnego czasu. Jeżeli wyniki obu analiz prowadzą do podobnego wniosku, zwiększa to wiarygodność interpretacji. Jeżeli się różnią, nie należy wybierać korzystniejszego wyniku; trzeba wyjaśnić, że średnia i mediana odpowiadają na różne pytania.

Przykładowy zapis wyników może brzmieć: „Mediana czasu oczekiwania wyniosła 11 minut (IQR 8–17) w dzielnicy A oraz 14 minut (IQR 9–25) w dzielnicy B. Różnica median wyniosła 3 minuty, a 95% przedział ufności uzyskany metodą bootstrap obejmował wartości od 0 do 7 minut. Wynik sugeruje dłuższy typowy czas oczekiwania w dzielnicy B, jednak nie przesądza o przyczynie tej różnicy”. Taki zapis rozdziela opis, niepewność i ostrożny wniosek.

Przykład medyczny: koszty hospitalizacji

Rozważmy badanie porównujące koszty hospitalizacji pacjentów leczonych dwiema metodami. Koszty są dodatnie, lecz silnie skośne, ponieważ niewielka liczba pacjentów wymaga długiej intensywnej terapii. Transformacja logarytmiczna może poprawić zachowanie modelu, ale wynik na skali logarytmicznej musi zostać przełożony na język praktyczny.

Jeżeli różnica średnich logarytmów po antilogarytmowaniu daje iloraz 1,18 z 95% przedziałem ufności od 1,05 do 1,33, można mówić o około 18% wyższej średniej geometrycznej kosztów w jednej grupie. Nie oznacza to jednak automatycznie, że średni koszt arytmetyczny jest dokładnie o 18% wyższy. Jeżeli celem jest oszacowanie różnicy średnich kosztów dla płatnika, należy rozważyć model i metodę, które bezpośrednio odpowiadają temu parametrowi, na przykład modelowanie kosztów na skali oryginalnej z odporną estymacją lub bootstrapem.

Jeśli część pacjentów nie ponosi kosztów w analizowanym okresie, trzeba najpierw rozstrzygnąć, czy zero jest rzeczywistym wynikiem, brakiem danych czy wartością poniżej granicy wykrywalności. W pierwszym przypadku analiza wyłącznie dodatnich kosztów może prowadzić do błędnego obrazu całej populacji.

Jak raportować analizę?

Raport powinien umożliwiać odtworzenie decyzji analitycznej. Należy podać: sposób oceny skośności, liczbę obserwacji, zakres braków danych, wybraną statystykę opisową, zastosowaną metodę porównania, sposób obliczenia przedziału ufności oraz skalę, na której interpretowano wynik. W przypadku transformacji trzeba wskazać jej rodzaj, sposób postępowania z zerami i metodę powrotu do skali oryginalnej.

Nie należy pisać jedynie: „Ze względu na brak normalności zastosowano test nieparametryczny”. Taki zapis nie informuje, czy analizowano medianę, rozkład rang, prawdopodobieństwo przewagi jednej obserwacji nad drugą czy inną własność danych. Lepiej napisać: „Ponieważ wynik był dodatni i silnie prawostronnie skośny, porównano średnie logarytmów, a różnicę przedstawiono po antilogarytmowaniu jako iloraz średnich geometrycznych”.

Najczęstsze błędy

• Automatyczne wybieranie testu U Manna–Whitneya. Test rangowy nie jest uniwersalnym testem median i nie zastępuje określenia parametru, który ma być oszacowany.
• Logarytmowanie wartości zerowych bez uzasadnienia. Dodawanie stałej może zmienić interpretację i wynik, szczególnie gdy zera stanowią dużą część próby.
• Raportowanie średniej geometrycznej jako zwykłej średniej. Są to różne miary i odpowiadają na różne pytania.
• Usuwanie wysokich obserwacji tylko dlatego, że są niewygodne. Wartość odstająca może być błędem, ale może też przedstawiać prawdziwy, ważny klinicznie przypadek.
• Oparcie decyzji wyłącznie na teście normalności. Należy uwzględnić wykresy, liczebność, wariancję, niezależność i cel badania.
• Mylenie istotności statystycznej ze znaczeniem praktycznym. Mała różnica może być istotna przy dużej próbie, a ważna klinicznie różnica może nie osiągnąć poziomu istotności przy małej próbie.
• Interpretowanie wyniku transformowanego bez powrotu do skali praktycznej. Czytelnik powinien wiedzieć, co wynik oznacza w minutach, złotych, punktach skali lub liczbie zdarzeń.
• Niszczenie par w bootstrapie. Przy pomiarach przed–po resamplujemy osoby lub pary pomiarów, a nie wszystkie wartości jako niezależne obserwacje.

Co warto zapamiętać?

1. Silnie skośny rozkład nie wskazuje jednej automatycznej metody analizy.
2. Najpierw określ, czy interesuje Cię średnia, mediana, iloraz, zmiana czy inny parametr.
3. Sprawdź zera, wartości odstające, braki danych i zależność między pomiarami.
4. Transformacja logarytmiczna jest sensowna głównie dla dodatnich wyników i często prowadzi do interpretacji ilorazu średnich geometrycznych.
5. Testy rangowe nie są po prostu testami różnicy median.
6. Bootstrap może dostarczyć użytecznych przedziałów ufności, lecz nie naprawia błędnego projektu ani niereprezentatywnej próby.
7. Jeżeli skośność wynika z natury danych, rozważ model odpowiedni dla danych zliczeniowych, kosztowych, czasowych lub z nadmiarem zer.
8. Wynik należy raportować na skali zrozumiałej dla odbiorcy i oddzielać istotność statystyczną od znaczenia praktycznego.

Najważniejsza decyzja nie brzmi więc: „Czy dane są normalne?”. Brzmi: „Jaki parametr opisuje moje pytanie badawcze i jaka metoda pozwoli go uczciwie oszacować przy tej strukturze danych?”. To podejście jest bardziej dojrzałe metodologicznie i zwykle prowadzi do wniosków, które łatwiej zastosować w praktyce klinicznej, organizacyjnej i społecznej.

Źródła i dalsza lektura

1. Bland, J. M., & Altman, D. G. (1996). Transforming data. BMJ, 312(7033), 770. DOI: 10.1136/bmj.312.7033.770.
2. Bland, J. M., & Altman, D. G. (1996). Statistics notes: Transformations, means, and confidence intervals. BMJ, 312(7038), 1079. DOI: 10.1136/bmj.312.7038.1079.
3. Sainani, K. L. (2012). Dealing with non-normal data. PM&R: The Journal of Injury, Function and Rehabilitation, 4(12), 1001–1005. DOI: 10.1016/j.pmrj.2012.10.013.
4. West, R. M. (2022). Best practice in statistics: The use of log transformation. Annals of Clinical Biochemistry: International Journal of Laboratory Medicine, 59(3), 163–165. DOI: 10.1177/00045632211050531.
5. Mihaylova, B., Briggs, A., O’Hagan, A., & Thompson, S. G. (2011). Review of statistical methods for analysing healthcare resources and costs. Health Economics, 20(8), 897–916. DOI: 10.1002/hec.1653.
6. Delucchi, K. L., & Bostrom, A. (2004). Methods for analysis of skewed data distributions in psychiatric clinical studies: Working with many zero values. American Journal of Psychiatry, 161(7), 1159–1168. DOI: 10.1176/appi.ajp.161.7.1159.
7. Higgins, J. P. T., White, I. R., & Anzures-Cabrera, J. (2008). Meta-analysis of skewed data: Combining results reported on log-transformed or raw scales. Statistics in Medicine, 27(29), 6072–6092. DOI: 10.1002/sim.3427.

Jeżeli potrzebujesz indywidualnego wsparcia w doborze metod, przygotowaniu bazy lub opracowaniu wyników badań, sprawdź analiza statystyczna.