Interpretando um p-valor maior que 0,05 em uma análise estatística

A maioria dos trabalhos científicos é delineada para testar a existência de um efeito, ou seja, se há uma diferença entre um novo tratamento em relação a um ou mais tratamentos convencionais, por exemplo. Para avaliar os resultados dessas pesquisas, são comumente aplicados testes de hipóteses com base em uma hipótese nula. E então, os pesquisadores se deparam com um p-valor que precisam interpretar para concluir a sua pesquisa. Quando o p-valor é estatisticamente significativo (p≤0,05, se o nível de significância adotado for de 5%), a hipótese nula pode ser rejeitada, e os pesquisadores podem afirmar que o novo tratamento é diferente do(s) tratamento(s) convencionais, com uma taxa máxima de erro. Porém, se o p-valor não for estatisticamente significativo (p>0,05), os pesquisadores muitas vezes concluem incorretamente que não há efeito ou que não há diferença entre os tratamentos.

É crucial que os pesquisadores tenham em mente que a ausência de evidência não significa evidência de ausência (Altman & Bland, 1995). Um p>0,05 só indica que não podemos rejeitar a hipótese nula, o que significa que não podemos descartar a possibilidade de que a diferença observada entre nas médias dos tratamentos seja apenas um resultado aleatório. Portanto, não é possível responder à questão se um efeito significativo está ausente com base apenas em um p>0,05.

Existem metodologias estatísticas adequadas para os casos em que os pesquisadores buscam comprovar que dois tratamentos não apresentam diferenças, como em estudos de bioequivalência. Em um futuro texto abordaremos especificamente essas metodologias. No entanto, é importante alertar os pesquisadores de que os testes de hipóteses, normalmente utilizados nas pesquisas não respondem a essa questão.

Se você é pesquisador (a) e está interessado em uma consultoria específica para seu projeto de pesquisa, não deixe de nos contatar via estatbovi@estatbovi.com.br ou www.estatbovi.com.br. Temos uma equipe altamente qualificada e com décadas de experiência. Elaboramos relatórios completos, com linguagem simples e suporte a dúvidas a qualquer momento.

Referência

ALTMAN, D.G e BLAND J. M. Statistics notes: Absence of evidence is not evidence of absence. BMJ 1995;311:485.