Some misinterpretations of Inferential statistics in dental public health literature
Notice bibliographique
Résumé
OBJECTIVES: Inferential statistics such as p-values and confidence intervals (CIs) are ubiquitously used in research studies. Still, researchers can incorrectly interpret them, impacting the validity and utility of the respective results. The aim was to quantify how often studies commit one incorrect interpretation, dichotomization, in the dental public health literature. METHODS: The authors carried out an electronic search using PubMed to extract original papers published in 2018/2019/2023 (either online or in print) in five dental public health journals. Four trained and calibrated reviewers extracted information from the abstract and main text on the following: reporting any p-value (Yes/No), reporting p-value as inequality (Yes/No/NA), reporting non-significant p-value (Yes/No/Not applicable (NA)), reporting any confidence interval (Yes/No), reporting non-significant confidence interval (Yes/No/NA), and concluding there is no association because the p-value or confidence intervals were not-significant (Yes/No). In addition, investigators extracted if studies explicitly reported that p < 0.05 was considered significant. RESULTS: The results indicate that p-values were reported more frequently than CIs in both the abstract and main text. The majority of studies interpreted non-significant p-values or CIs to mean no association or no effect in their main text. Also, non-significant p-values and CIs were less frequently reported in abstracts compared to the main text. These findings varied across the five dental public health journals, but were less notably changed by the print publication year. CONCLUSION: The results of this paper showed that some common misconceptions about p-values and CIs still linger in the dental public health literature after seven years had passed since warnings against such practices. More advanced training may be needed to overcome the issues with p-values, confidence interval reporting, and interpretation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,711 | 0,906 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,040 | 0,031 |
| Études des sciences et des technologies | 0,004 | 0,022 |
| Communication savante | 0,015 | 0,013 |
| Science ouverte | 0,009 | 0,012 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».