P-waarde en betrouwbaarheidsinterval uitgelegd, zonder wiskunde

Een p-waarde zegt niet hoe groot een effect is en ook niet hoe waarschijnlijk het is dat een bevinding klopt. Hij zegt iets veel beperkters: hoe verrassend deze meting zou zijn als er in werkelijkheid niets aan de hand was. Dat verschil is de meest gemaakte denkfout in het lezen van onderzoek.

Deze pagina definieert de vier begrippen die je nodig hebt om een resultaat te beoordelen.

De vier begrippen

Begrip	Wat het is	Wat het niet is
P-waarde	Hoe verrassend deze uitkomst is als er geen effect bestaat	De kans dat de conclusie juist is
Betrouwbaarheidsinterval	Het bereik van waarden dat bij deze data past	Een garantie dat de waarheid erin ligt
Effectgrootte	Hoe groot het verschil werkelijk is	Hetzelfde als statistisch significant
Statistische significantie	Een drempelwaarde die is afgesproken	Een bewijs dat iets belangrijk is

Waarom significant en belangrijk twee dingen zijn

Bij een zeer grote groep deelnemers wordt zelfs een minuscuul verschil statistisch significant. Een gemiddeld gewichtsverschil van tweehonderd gram tussen twee groepen van tienduizend mensen kan een keurige p-waarde opleveren en tegelijk volstrekt betekenisloos zijn in de praktijk.

Andersom kan een fors verschil in een kleine studie niet significant worden, simpelweg doordat er te weinig deelnemers zijn om toeval uit te sluiten. Significantie zegt dus iets over zekerheid, niet over omvang.

Waarom het interval informatiever is dan de p-waarde

Greenland en collega’s (Eur J Epidemiol, 2016) zetten in hun overzicht de veelgemaakte misinterpretaties op een rij, en hun kernpunt is dat een interval meer vertelt dan een enkele drempelwaarde.

Een interval laat namelijk de spreiding zien. Een resultaat van vijftien procent met een interval van veertien tot zestien is iets heel anders dan vijftien procent met een interval van twee tot achtentwintig, terwijl beide hetzelfde gemiddelde hebben en allebei significant kunnen zijn.

Hoe je een interval leest

• Smal interval: de schatting is precies, doorgaans door veel deelnemers.
• Breed interval: de schatting is onzeker, en het gemiddelde zegt weinig.
• Interval dat nul bevat: geen aantoonbaar verschil met de controlegroep.
• Twee overlappende intervallen: de groepen verschillen mogelijk niet echt.

Waar dit misgaat bij subgroepen

Wanneer een trial de deelnemers achteraf opsplitst, bijvoorbeeld naar geslacht of leeftijd, worden de groepen kleiner en de intervallen breder. Verschillen die dan zichtbaar worden kunnen echt zijn, maar ook toeval. Dat is de reden dat subgroepbevindingen als aanwijzing gelden en niet als bewijs.

Veelgestelde vragen

Wat betekent p kleiner dan 0,05?

Dat een uitkomst als deze in minder dan vijf van de honderd gevallen zou voorkomen als er geen effect bestond. Het is een afgesproken drempel en geen natuurwet.

Kan iets significant zijn en toch onbelangrijk?

Ja. Bij grote groepen worden zeer kleine verschillen significant. Kijk daarom altijd naar de effectgrootte ernaast.

Waarom noemen samenvattingen zelden het interval?

Omdat een enkel getal makkelijker communiceert. Juist daarom staat het interval in de tabellen en niet in de kop.

Wat als twee studies elkaar tegenspreken?

Kijk naar omvang, opzet en intervallen. Een grote studie met een smal interval weegt zwaarder dan een kleine met een breed interval.

Een voorbeeld met de bekende cijfers

Zo lees je een resultaat uit de afvaltrials in de praktijk.

Wat je ziet	Wat je eruit haalt
14,9 procent tegenover 2,4 procent placebo	Het werkelijke effect is het verschil van ongeveer 12,5 procentpunt
1961 deelnemers	Grote groep, dus een relatief smal interval
68 weken	Lang genoeg om de afvlakking mee te nemen
Fase 3, gerandomiseerd, dubbelblind	Het sterkste type bewijs voor werkzaamheid

Wie alleen het eerste getal onthoudt, mist dat de vergelijking met de controlegroep de eigenlijke uitkomst is.

Kwaliteit criteria voor research grade

Wie onderzoek serieus leest, stelt dezelfde eisen aan het materiaal waarmee hij zelf werkt. Zonder batchdocumentatie is elk resultaat een aanname:

• Zuiverheid van minimaal 98 procent, geverifieerd via HPLC.
• Mass spectrometry verificatie om de moleculaire identiteit te bevestigen.
• Endotoxinegehalte onder 5 EU/mg voor betrouwbare celmodellen.
• Certificate of Analysis dat batch-specifiek is opgesteld.
• Amino acid analysis om de sequentie en samenstelling te controleren.

Betalen met iDEAL of Wero bij Chempeptides

Bij Chempeptides reken je af met iDEAL of Wero. Je bevestigt in je eigen bankapp, binnen seconden, zonder dat er kaartgegevens bij de webshop terechtkomen. Die bevestiging is direct, waardoor je bestelling nog dezelfde dag wordt vrijgegeven voor verzending. iDEAL is de Nederlandse standaard, Wero werkt daarnaast ook vanuit Belgie, Duitsland en Frankrijk.

Betaalmethode	Bereik	Bevestiging	Kaartgegevens nodig
iDEAL	Nederland	Direct	Nee
Wero	Nederland, Belgie, Duitsland, Frankrijk	Direct	Nee

Na bevestiging wordt de bestelling vrijgegeven voor verzending in discrete verpakking, met cold chain transport waar de stabiliteit van het materiaal dat vraagt.

Conclusie

Een p-waarde beschrijft hoe verrassend een meting zou zijn als er geen effect bestond, en niet hoe waarschijnlijk het is dat een conclusie klopt. Greenland en collega’s (2016) zetten de gangbare misinterpretaties op een rij en wijzen het betrouwbaarheidsinterval aan als informatiever: dat laat de spreiding zien in plaats van een enkele drempel. Twee resultaten met hetzelfde gemiddelde kunnen daardoor een compleet andere zeggingskracht hebben. Significantie gaat over zekerheid, effectgrootte over belang, en die twee worden het vaakst door elkaar gehaald.

Belangrijke bronnen:

• Greenland S et al. Eur J Epidemiol. 2016.

Research disclaimer▾

Alle informatie op deze pagina is bedoeld voor laboratoriumonderzoek en in-vitro studies. Geen humane consumptie. Geen medische claims. Producten zijn niet goedgekeurd door EMA of FDA voor therapeutisch gebruik.