宝宝们是否对复杂的统计术语焦头烂额、束手无策？
众多学术指南、报告分析层出不穷，复杂的公式，晦涩的词句……想充电真的好难！
别急，点击下方视频学习你就可以快速掌握统计学的奥义啦～
本期课程：统计学这点「P」事
p 值是一个统计学上常用的参数，在很多科学文献以及临床研究结果中都活跃着 p 值的身影。然而，天天读文献的你，真的了解这点「p 事」吗？你会不会认为在某个对比 A 药和 B 药效果的实验里，相比 p<0.05，p<0.01 代表 A 药和 B 药的差异更大？
事实上并非如此，p 值体现的并不是 A 和 B 之间的差异大小，而是 A 和 B 之间有差异的可能性，具体来说是差异来源于抽样误差的可能性。比方说，某研究发现 A 药比 B 药的有效率高——这是因为 A 药确实比 B 药牛呢，还是恰好入选了用 A 药效果更好的患者？如果没了 p 值，这还真成了算不清的帐。
临床试验中通常说 p 值<0.05 代表两组间「具有显著性差异」，这实际上是在说，两组间的差异来源于抽样误差的可能性小于 5%。由于这个概率很小，我们一般认为这样的区别不大可能由抽样误差产生，而选择相信两组间确实有差异。
不难看出，0.05 是一个人为的设定。p = 0.049 和 p = 0.051 的两个结果比较起来，就好像是考试成绩 60 分与 59 分比较，只不过 60 分被人为定义为「及格」。为啥非要定 60 分？不要问我，因为考 59 分的时候我也很绝望啊。如果你是完美主义者，觉得 5% 的概率还是不够小，意外可能性要低于 1% 才好，设定「有显著性差异」的 p<0.01，当然也是可以的。
所以， p 值是人为定义的，未必一定是 0.05。看了下面的例子大家会更明白一些：在 FLAURA 研究中，OS 中期分析显示，奥希替尼对比标准治疗的 HR 为 0.63，p = 0.0068。p 小于 0.05 对吧，是不是可以断言具有统计学意义呢？非也，考虑到此时 OS 数据的成熟度只有 25%，经过计算，代表「统计学意义」的 p 值需要调整为 0.0015。如此看来，上述 OS 的差异还未达到显著，只能说奥希替尼具有 OS 获益趋势，还需继续观察。
FLAURA 研究中奥希替尼对比标准治疗的 OS 中期分析（统计学差异需要 p<0.0015）
下面我们再举一个生动的例子！
从前有两个王国，都以盛产身材火辣的漂亮姑娘而著称。有一天两个王国的国王聊起哪国的姑娘身材更好，于是打了个赌。他们在各自的国家中分别「随意」选出 20 位姑娘，经测量，A 国的姑娘胸部平均为 C 罩杯；B 国的姑娘平均为 D 罩杯， B 国理所当然赢了这个赌。但 A 国的国王就是不服，觉得 20 位姑娘无法代表全国的身材水平，没准 B 国刚巧抽到了身材更劲爆的姑娘呢？那怎么办？还好 B 国的宰相懂得统计学，一番分析计算得出两国姑娘胸围差异的 p 值 = 0.03，并解释道，这说明两国姑娘身材相当，而 B 国运气好，正好抽到的都是大胸妹的概率有多少呢？只有 3% 而已。如此一来 A 国国王虽不甘心，也只好甘拜下风了。
从上面的视频中大家可能已经发现，计算 p 值的前提是「假设 A 与 B 没有差异」（如假设 A 国与 B 国姑娘的胸部大小相当）。而 p 值＜0.05，说明所得结果由抽样误差产生的概率低于 5%，我们一般拒绝相信「A 与 B 没有差异」的原假设，并认为 A 与 B 存在差异——这就是所谓的「假设检验」。
归纳起来，p 值表示对比差异来源于抽样误差的可能性，当此概率小到一定值（一般采用 5% 即 p = 0.05）时，我们就会选择相信差异确实存在。
当然，在临床研究统计分析中，我们不光要看 p 值，更要关注试验设计、差异的大小、专业意义等诸多因素，来进行综合的科学推断。
更多内容推荐：
