Ricerca scientifica. Statisticamente significativo: un concetto da abbandonare

L'American Statistical Association ha dedicato l'ultimo numero della sua rivista, The American Statistician, a una revisione critica del concetto di "significatività statistica" misurata con il cosiddetto p-value. La pubblicazione è l'ultimo atto di un processo cominciato nel 2016, quando l'associazione aveva formulato delle linee guida sugli errori più frequenti commessi dagli scienziati, in buona o cattiva fede, nell'utilizzare il p-value come misura della robustezza statistica dei loro risultati. L'ASA chiede agli scienziati di ragionare caso per caso, piuttosto che applicare metodi standard.

Gli fa eco sulle pagine di Nature un manifesto proposto da tre scienziati e firmato da oltre 800 altri ricercatori che chiedono di abbandonare la dicotomia stabilita dal p-value. I tre scienziati chiedono a tutte le comunità scientifiche che adottano metodi di analisi statistica di accettare l'incertezza dei loro risultati e discuterla nei loro articoli, piuttosto che limitarsi a categorizzarli come statisticamente significativi o non significativi a seconda che il loro p-value sia inferiore o superiore a un certo valore di soglia (il 5% in alcune aree, lo 0,5% in altre). Gli intervalli di confidenza dovrebbero essere chiamati intervalli di compatibilità, poiché anche i valori fuori da questi intervalli sono compatibili, anche se in grado minore, con i dati sperimentali. I ricercatori dovrebbero discutere le implicazioni dei diversi valori all'interno dell'intervallo, in particolare di quello centrale, poiché quello con maggiore grado di compatibilità con i dati. Inoltre, ricordano che la determinazione stessa dell'intervallo dipende dalle ipotesi che facciamo sui dati e che dunque sarebbe saggio considerarne più di una e discutere i risultati alternativi. Infine, le riviste dovrebbero smettere di basare sul p-value la decisione di pubblicare o meno un certo studio. [Nature; Valentin Amrhein, Sander Greenland, Blake McShane]

L'abbandono del p-value come misura della robustezza di uno studio scientifico implica accettare che la scienza non dà certezze. Parlare il linguaggio delle possibilità e delle probabilità renderà gli scienziati più o meno credibili per il pubblico e per i politici? Di certo, chiarire in anticipo il contenuto di incertezza di una conclusione scientifica proteggerà i ricercatori dalla sfiducia generata da una previsione clamorosamente sbagliata. Occorre "solo" trovare il linguaggio giusto [The Guardian Editorial]
(Scienza in Rete)