Διόρθωση Bonferroni: Τι Είναι, Πότε Χρησιμοποιείται και Πώς Ερμηνεύεται

Εισαγωγή

Στη σύγχρονη επιστημονική έρευνα είναι ιδιαίτερα συχνό να πραγματοποιούνται πολλές στατιστικές συγκρίσεις μέσα στην ίδια μελέτη. Ένας ερευνητής μπορεί να συγκρίνει πολλές ομάδες μεταξύ τους, να εξετάζει δεκάδες μεταβλητές ή να πραγματοποιεί μεγάλο αριθμό ελέγχων υποθέσεων. Αν και κάθε επιμέρους στατιστικός έλεγχος μπορεί να πραγματοποιείται με επίπεδο σημαντικότητας 5%, η πιθανότητα εμφάνισης ενός ψευδώς θετικού αποτελέσματος αυξάνεται σημαντικά όσο αυξάνεται ο αριθμός των συγκρίσεων.

Για την αντιμετώπιση αυτού του προβλήματος έχουν αναπτυχθεί διάφορες μέθοδοι διόρθωσης για πολλαπλές συγκρίσεις. Η πιο γνωστή και διαδεδομένη είναι η διόρθωση Bonferroni (Bonferroni Correction), μία απλή αλλά ιδιαίτερα αποτελεσματική μέθοδος που μειώνει την πιθανότητα λανθασμένης απόρριψης της μηδενικής υπόθεσης. Παρότι θεωρείται αρκετά συντηρητική, εξακολουθεί να χρησιμοποιείται ευρέως στις επιστήμες υγείας, στη βιοστατιστική, στην ψυχολογία, στις κοινωνικές επιστήμες και στη βιοπληροφορική.

Γιατί απαιτείται διόρθωση για πολλαπλές συγκρίσεις

Όταν πραγματοποιείται ένας μόνο στατιστικός έλεγχος με επίπεδο σημαντικότητας α = 0,05, υπάρχει πιθανότητα 5% να προκύψει στατιστικά σημαντικό αποτέλεσμα ενώ στην πραγματικότητα δεν υπάρχει διαφορά.

Το πρόβλημα γίνεται εμφανές όταν εκτελούνται πολλοί έλεγχοι ταυτόχρονα. Για παράδειγμα, αν πραγματοποιηθούν είκοσι ανεξάρτητοι στατιστικοί έλεγχοι με επίπεδο σημαντικότητας 0,05, η πιθανότητα να εμφανιστεί τουλάχιστον ένα ψευδώς θετικό αποτέλεσμα δεν παραμένει 5%, αλλά αυξάνεται περίπου στο 64%. Αυτό σημαίνει ότι ακόμη και όταν όλες οι μηδενικές υποθέσεις είναι αληθείς, είναι πολύ πιθανό κάποια σύγκριση να εμφανιστεί λανθασμένα ως στατιστικά σημαντική μόνο λόγω τύχης.

Το φαινόμενο αυτό είναι γνωστό ως πρόβλημα των πολλαπλών συγκρίσεων (multiple testing problem) και αποτελεί έναν από τους σημαντικότερους λόγους εμφάνισης ψευδώς θετικών αποτελεσμάτων στη βιβλιογραφία.

Τι είναι η διόρθωση Bonferroni

Η διόρθωση Bonferroni αποτελεί μία από τις απλούστερες μεθόδους ελέγχου του οικογενειακού σφάλματος τύπου Ι (Family-Wise Error Rate).

Η βασική της αρχή είναι ιδιαίτερα απλή. Αντί να χρησιμοποιείται ως όριο σημαντικότητας το αρχικό επίπεδο α, αυτό διαιρείται με τον συνολικό αριθμό των στατιστικών συγκρίσεων.

Ο νέος συντελεστής σημαντικότητας υπολογίζεται ως:

α’ = α / n

όπου α είναι το αρχικό επίπεδο σημαντικότητας και n ο αριθμός των συγκρίσεων.

Εάν, για παράδειγμα, πραγματοποιούνται δέκα συγκρίσεις με επίπεδο σημαντικότητας 0,05, τότε το νέο όριο γίνεται:

0,05 / 10 = 0,005.

Έτσι, μία διαφορά θεωρείται στατιστικά σημαντική μόνο όταν το p-value είναι μικρότερο από 0,005.

Με τον τρόπο αυτό μειώνεται σημαντικά η πιθανότητα εμφάνισης ψευδώς θετικών αποτελεσμάτων.

Παράδειγμα εφαρμογής

Ας υποθέσουμε ότι ένας ερευνητής συγκρίνει πέντε διαφορετικές θεραπευτικές ομάδες μεταξύ τους.

Οι συνολικές συγκρίσεις είναι δέκα και το αρχικό επίπεδο σημαντικότητας έχει οριστεί στο 0,05.

Χωρίς καμία διόρθωση, κάθε p-value μικρότερο του 0,05 θεωρείται στατιστικά σημαντικό.

Με τη διόρθωση Bonferroni, όμως, το νέο επίπεδο σημαντικότητας γίνεται 0,005. Συνεπώς, ένα αποτέλεσμα με p = 0,021 δεν θεωρείται πλέον στατιστικά σημαντικό, ενώ ένα αποτέλεσμα με p = 0,003 εξακολουθεί να είναι σημαντικό.

Η μέθοδος αυτή εξασφαλίζει ότι η συνολική πιθανότητα εμφάνισης έστω ενός ψευδώς θετικού αποτελέσματος παραμένει κοντά στο προκαθορισμένο επίπεδο σημαντικότητας.

Πλεονεκτήματα της διόρθωσης Bonferroni

Το σημαντικότερο πλεονέκτημα της Bonferroni είναι η απλότητά της. Ο υπολογισμός της μπορεί να πραγματοποιηθεί εύκολα χωρίς πολύπλοκες στατιστικές διαδικασίες και εφαρμόζεται σχεδόν από όλα τα στατιστικά πακέτα, όπως το SPSS, το R, το SAS και το Stata.

Επιπλέον, προσφέρει πολύ αυστηρό έλεγχο του σφάλματος τύπου Ι, γεγονός που την καθιστά ιδιαίτερα χρήσιμη σε κλινικές μελέτες, φαρμακευτικές δοκιμές και άλλες εφαρμογές όπου η λανθασμένη απόρριψη της μηδενικής υπόθεσης μπορεί να έχει σημαντικές συνέπειες.

Η ευκολία εφαρμογής της αποτελεί έναν από τους λόγους για τους οποίους εξακολουθεί να χρησιμοποιείται ευρέως, παρά την ανάπτυξη νεότερων μεθόδων.

Περιορισμοί της Bonferroni

Παρά τα σημαντικά πλεονεκτήματά της, η Bonferroni θεωρείται μία ιδιαίτερα συντηρητική μέθοδος.

Όσο αυξάνεται ο αριθμός των συγκρίσεων, τόσο μικρότερο γίνεται το απαιτούμενο επίπεδο σημαντικότητας. Αυτό έχει ως αποτέλεσμα να μειώνεται σημαντικά η πιθανότητα εντοπισμού πραγματικών διαφορών.

Με άλλα λόγια, ενώ μειώνονται τα ψευδώς θετικά αποτελέσματα, αυξάνονται τα ψευδώς αρνητικά αποτελέσματα (σφάλμα τύπου ΙΙ). Η μελέτη που συνοδεύει το αρχείο παρουσιάζει χαρακτηριστικά παραδείγματα όπου η εφαρμογή της Bonferroni μειώνει σχεδόν στο μηδέν τα ψευδώς θετικά αποτελέσματα, αλλά ταυτόχρονα αυξάνει σημαντικά τα ψευδώς αρνητικά, χάνοντας μεγάλο αριθμό πραγματικών ευρημάτων.

Για τον λόγο αυτό, σε μελέτες με εκατοντάδες ή χιλιάδες ταυτόχρονους ελέγχους, όπως στις γενετικές αναλύσεις ή στις αναλύσεις γονιδιακής έκφρασης, η Bonferroni συχνά θεωρείται υπερβολικά αυστηρή.

Bonferroni και False Discovery Rate (FDR)

Τα τελευταία χρόνια χρησιμοποιούνται ολοένα και περισσότερο εναλλακτικές μέθοδοι, όπως ο έλεγχος του False Discovery Rate (FDR).

Σε αντίθεση με τη Bonferroni, η οποία επιδιώκει να ελαχιστοποιήσει την πιθανότητα εμφάνισης ακόμη και ενός ψευδώς θετικού αποτελέσματος, το FDR επιτρέπει την ύπαρξη ενός μικρού ποσοστού ψευδώς θετικών ευρημάτων μεταξύ όλων των στατιστικά σημαντικών αποτελεσμάτων.

Η προσέγγιση αυτή προσφέρει μεγαλύτερη στατιστική ισχύ και είναι ιδιαίτερα κατάλληλη σε αναλύσεις μεγάλου αριθμού μεταβλητών, όπως η γονιδιωματική, η πρωτεομική κ.α.

Πότε χρησιμοποιείται η διόρθωση Bonferroni

Η διόρθωση Bonferroni εφαρμόζεται κάθε φορά που πραγματοποιούνται πολλαπλοί στατιστικοί έλεγχοι μέσα στην ίδια μελέτη και υπάρχει κίνδυνος αύξησης του συνολικού σφάλματος τύπου Ι. Στην πράξη χρησιμοποιείται κυρίως μετά από αναλύσεις διακύμανσης (ANOVA), όταν απαιτούνται πολλαπλές συγκρίσεις μεταξύ των ομάδων, αλλά και σε μελέτες όπου εξετάζονται πολλές εξαρτημένες μεταβλητές ή μεγάλος αριθμός υποθέσεων.

Στις κλινικές δοκιμές, για παράδειγμα, μπορεί να συγκρίνονται περισσότερες από δύο θεραπευτικές ομάδες ως προς διάφορες εκβάσεις. Αντίστοιχα, στην ψυχολογία και στις κοινωνικές επιστήμες είναι συνηθισμένο να εξετάζονται πολλοί δείκτες ή διαστάσεις ενός ερωτηματολογίου. Σε όλες αυτές τις περιπτώσεις, η εφαρμογή της Bonferroni συμβάλλει στη μείωση της πιθανότητας να προκύψουν στατιστικά σημαντικά αποτελέσματα αποκλειστικά λόγω του μεγάλου αριθμού συγκρίσεων.

Στη βιοπληροφορική και στη γονιδιωματική, όπου αναλύονται χιλιάδες γονίδια ταυτόχρονα, η Bonferroni χρησιμοποιήθηκε αρχικά ως βασική μέθοδος ελέγχου των πολλαπλών συγκρίσεων. Ωστόσο, λόγω του πολύ μεγάλου αριθμού στατιστικών ελέγχων, αποδείχθηκε ιδιαίτερα αυστηρή και αντικαταστάθηκε σε πολλές εφαρμογές από λιγότερο συντηρητικές μεθόδους, όπως ο έλεγχος του False Discovery Rate (FDR).

Bonferroni μετά την ANOVA

Η πιο γνωστή εφαρμογή της διόρθωσης Bonferroni είναι οι συγκρίσεις μετά από μία στατιστικά σημαντική Ανάλυση Διακύμανσης (ANOVA).

Η ANOVA μπορεί να δείξει ότι υπάρχουν συνολικά διαφορές μεταξύ τριών ή περισσότερων ομάδων, αλλά δεν αποκαλύπτει ποιες συγκεκριμένες ομάδες διαφέρουν μεταξύ τους. Για τον σκοπό αυτό πραγματοποιούνται μεταγενέστερες συγκρίσεις (post hoc tests).

Αν, για παράδειγμα, συγκρίνονται τέσσερις θεραπευτικές ομάδες, προκύπτουν συνολικά έξι διαφορετικές συγκρίσεις. Εάν κάθε μία αξιολογηθεί με επίπεδο σημαντικότητας 0,05, αυξάνεται σημαντικά η πιθανότητα εμφάνισης ψευδώς θετικών αποτελεσμάτων. Η Bonferroni διορθώνει αυτό το πρόβλημα εφαρμόζοντας αυστηρότερο επίπεδο σημαντικότητας σε κάθε επιμέρους σύγκριση.

Για τον λόγο αυτό, σχεδόν όλα τα σύγχρονα στατιστικά προγράμματα προσφέρουν τη δυνατότητα επιλογής της Bonferroni ως μεθόδου πολλαπλών συγκρίσεων μετά την ANOVA.

Bonferroni και στατιστική ισχύς

Παρότι η Bonferroni προστατεύει αποτελεσματικά από τα ψευδώς θετικά αποτελέσματα, η αυστηρότητά της συνοδεύεται από σημαντική μείωση της στατιστικής ισχύος.

Η στατιστική ισχύς εκφράζει την πιθανότητα εντοπισμού μιας πραγματικής διαφοράς όταν αυτή πράγματι υπάρχει. Όσο αυστηρότερο γίνεται το επίπεδο σημαντικότητας, τόσο δυσκολότερο γίνεται να χαρακτηριστεί μια διαφορά ως στατιστικά σημαντική.

Αυτό σημαίνει ότι αυξάνεται η πιθανότητα εμφάνισης σφάλματος τύπου ΙΙ, δηλαδή η αποτυχία ανίχνευσης μιας πραγματικής διαφοράς. Το πρόβλημα γίνεται ιδιαίτερα έντονο όταν πραγματοποιούνται δεκάδες ή εκατοντάδες συγκρίσεις ταυτόχρονα.

Στο παράδειγμα που παρουσιάζεται στο αρχείο, η εφαρμογή της Bonferroni σχεδόν μηδενίζει τα ψευδώς θετικά αποτελέσματα, αλλά ταυτόχρονα αυξάνει σημαντικά τον αριθμό των ψευδώς αρνητικών ευρημάτων, γεγονός που καταδεικνύει τον ιδιαίτερα συντηρητικό χαρακτήρα της μεθόδου.

Σύγκριση της Bonferroni με άλλες μεθόδους

Η Bonferroni δεν αποτελεί τη μοναδική διαθέσιμη μέθοδο διόρθωσης πολλαπλών συγκρίσεων. Ανάλογα με το είδος της έρευνας και τον αριθμό των στατιστικών ελέγχων, ο ερευνητής μπορεί να επιλέξει διαφορετικές προσεγγίσεις.

Η μέθοδος Holm-Bonferroni αποτελεί βελτιωμένη εκδοχή της κλασικής Bonferroni. Διατηρεί τον αυστηρό έλεγχο του οικογενειακού σφάλματος τύπου Ι, αλλά παρουσιάζει μεγαλύτερη στατιστική ισχύ, καθώς εφαρμόζει διαδοχικές διορθώσεις στα ταξινομημένα p-values.

Η μέθοδος Tukey χρησιμοποιείται κυρίως μετά από μονοπαραγοντική ANOVA όταν ο στόχος είναι όλες οι δυνατές συγκρίσεις μεταξύ των ομάδων και όταν τα μεγέθη των ομάδων είναι παρόμοια.

Η μέθοδος Scheffé θεωρείται ακόμη πιο συντηρητική από την Bonferroni και εφαρμόζεται όταν πραγματοποιούνται πολύπλοκες γραμμικές συγκρίσεις.

Αντίθετα, οι μέθοδοι ελέγχου του False Discovery Rate, όπως η διαδικασία Benjamini–Hochberg, δεν επιδιώκουν την πλήρη εξάλειψη των ψευδώς θετικών αποτελεσμάτων αλλά τον έλεγχο του ποσοστού τους μεταξύ όλων των στατιστικά σημαντικών ευρημάτων. Για τον λόγο αυτό χρησιμοποιούνται ευρέως στη γονιδιωματική, στην πρωτεομική και σε αναλύσεις μεγάλου αριθμού μεταβλητών.

Πώς παρουσιάζονται τα αποτελέσματα σε μια επιστημονική δημοσίευση

Όταν χρησιμοποιείται η διόρθωση Bonferroni, είναι σημαντικό να αναφέρεται ρητά στη μεθοδολογία της μελέτης. Ο ερευνητής θα πρέπει να διευκρινίζει πόσες συγκρίσεις πραγματοποιήθηκαν, ποιο ήταν το αρχικό επίπεδο σημαντικότητας και ποιο το διορθωμένο επίπεδο που εφαρμόστηκε.

Στα αποτελέσματα παρουσιάζονται συνήθως τα προσαρμοσμένα p-values ή αναφέρεται ότι η στατιστική σημαντικότητα αξιολογήθηκε μετά από διόρθωση Bonferroni. Με αυτόν τον τρόπο ο αναγνώστης μπορεί να αξιολογήσει σωστά την εγκυρότητα των συμπερασμάτων και να κατανοήσει τη διαδικασία ελέγχου του κινδύνου ψευδώς θετικών αποτελεσμάτων.

Συμπέρασμα

Η διόρθωση Bonferroni αποτελεί μία από τις πιο γνωστές και διαχρονικές μεθόδους αντιμετώπισης του προβλήματος των πολλαπλών συγκρίσεων. Με τη μείωση του επιπέδου στατιστικής σημαντικότητας προστατεύει αποτελεσματικά από την εμφάνιση ψευδώς θετικών αποτελεσμάτων και ενισχύει την αξιοπιστία των ερευνητικών συμπερασμάτων.

Παρά τον ιδιαίτερα συντηρητικό χαρακτήρα της και τη μείωση της στατιστικής ισχύος που μπορεί να προκαλέσει, εξακολουθεί να αποτελεί βασικό εργαλείο σε πολλές κλινικές, βιοϊατρικές και κοινωνικές έρευνες. Η επιλογή της κατάλληλης μεθόδου διόρθωσης θα πρέπει πάντοτε να βασίζεται στο ερευνητικό ερώτημα, στον αριθμό των συγκρίσεων και στις συνέπειες που μπορεί να έχουν τόσο τα ψευδώς θετικά όσο και τα ψευδώς αρνητικά αποτελέσματα.

Η κατανόηση της Bonferroni και των εναλλακτικών μεθόδων πολλαπλών συγκρίσεων αποτελεί βασική γνώση για κάθε ερευνητή που επιθυμεί να παράγει αξιόπιστα και επιστημονικά τεκμηριωμένα αποτελέσματα.