生物医学文献中相关系数误报与误解释的盛行:对2022年Science、Nature和Nature Neuroscience的系统性评估

《Med-X》:The prevalence of misreporting and misinterpreting correlation coefficients in biomedical literature

【字体: 大 中 小 】 时间:2026年10月22日 来源:Med-X

编辑推荐:

  相关系数(correlation coefficient)广泛用于生物医学和生物学文献中。然而,其频繁的误用和误解释损害了科学发现的可信度和可重复性。在这篇观点文章中,研究人员系统回顾了2022年发表于Science、Nature和Nature Neurosc

  
相关系数(correlation coefficient)广泛用于生物医学和生物学文献中。然而,其频繁的误用和误解释损害了科学发现的可信度和可重复性。在这篇观点文章中,研究人员系统回顾了2022年发表于Science、Nature和Nature Neuroscience的310篇文章中的1327条相关性分析记录。研究人员的分析揭示了统计报告和推断方面令人不安的模式:58.71%(95%置信区间(confidence interval, CI):[53.23%, 64.19%],182/310)的研究未明确报告样本量,98.06%(95% CI:[95.84%, 99.11%],304/310)未提供相关系数的置信区间。在177篇解释相关强度的文章中,45.76%(95% CI:[38.42%, 53.10%],81/177)仅依赖点估计,而54.24%(95% CI:[46.90%, 61.58%],96/177)基于零假设显著性检验(null hypothesis significance testing, NHST)得出结论。这些普遍存在的遗漏以及由此产生的潜在误导性推断,指向统计素养和编辑标准方面的系统性缺陷。研究人员倡导明确的报告指南,要求在相关性分析中强制报告效应量和置信区间,以提高定量生命科学研究的透明度、严谨性和可重复性。
**研究背景与问题**

相关系数作为一种检验两个变量间关系的统计方法,自19世纪末Francis Galton和Karl Pearson奠定关联测量的数学基础以来,深刻影响了科学研究。如今,相关系数已成为自然和社会科学统计实践的基石,使研究人员能够识别和量化关联、构建预测模型,甚至探索潜在因果机制。然而,将统计推断整合进相关分析面临方法论挑战。核心局限在于依赖有限样本数据集,无法完全捕捉目标总体的变异性,因此总体参数必须通过点估计来近似,这不可避免地受抽样变异影响。常用的推断框架包括零假设显著性检验(NHST)、置信区间(CI)和贝叶斯后验概率等。尽管贝叶斯框架通过后验概率提供直观解释,但由于计算需求和既有实践,其应用仍然有限。频率派方法虽被广泛使用,但受限于I型/II类错误率,无法量化推断正确的概率。在频率派框架内,置信区间通过识别重复样本中包含真实参数的范围来量化相关估计的不确定性。因此,在点估计之外报告CI能更完整地刻画估计不确定性,增强基于相关的结论的可重复性和可信度。

然而,即使在顶级期刊中,相关系数的CI也未常规报告,许多结论仅依赖样本点估计。此外,即使报告了CI或p值,若未充分考虑效应量、精度、不确定性和实际重要性,仍可能产生误导性推断。例如,一篇Nature Neuroscience论文仅依据点估计报告言语特征与肌萎缩侧索硬化(ALS)临床评分之间的高相关;一篇Science文章仅依据p值声称配对脉冲短时程可塑性(STP)与皮层深度存在“强线性关系”。这种不完整的报告和解释会损害研究发现的有效性、可解释性和可重复性。由此引出两个问题:这类报告和解释问题在顶级期刊中有多普遍?应强调哪些统计原则以改善透明度和可重复性?

**研究目的与意义**

为解决上述问题,研究人员对2022年Science、Nature和Nature Neuroscience发表的所有生物医学文章进行了回顾性综述,聚焦使用Pearson's r、Spearman's ρ或Kendall's τ进行推断和解释的研究。从统计报告完整性和推断解释基础两个维度评估每篇文章,识别出基于不完整统计报告的两种常见误导性推断形式:仅点估计解释(忽略估计不确定性)和基于NHST的解释(将统计显著性或p值与效应量混淆)。进而提出相关系数报告、比较和解释的实用指南,以促进生命科学领域更严谨、透明和可重复的研究。

**研究内容与方法**

研究人员从Web of Science数据库检索了2022年Science、Nature和Nature Neuroscience的论文,依据MeSH词筛选生物医学领域文章,全文审查相关关键词(如“Pearson”“Spearman”“Kendall”“Corr”)。共检查1760篇研究文章,其中1095篇属于生物学和生物医学工程领域,经多阶段筛选后,310篇被确认使用了至少一种相关分析,共产生1327个独立案例。每个案例记录统计方法(Pearson r、Spearman ρ或Kendall's τ)、样本量、系数值、p值及对应图表引用。两位评审者独立进行数据提取和分类,使用Cohen's κ评估五个分类维度的评分者间信度(κ = 0.92,95% CI: [0.90, 0.94])。文章级比例分别按期刊计算后汇总,95% CI采用渐近正态近似或Wilson score区间估计。

**研究结果**

**概述**

研究人员共检查了2022年Science、Nature和Nature Neuroscience发表的1760篇研究文章,其中1095篇属于生物学和生物医学工程领域。经过严格的多阶段筛选,310篇文章被确认使用了至少一种形式的相关分析,产生1327个独立评估实例。其中Science贡献75篇(272例),Nature 171篇(657例),Nature Neuroscience 64篇(398例)。这表明相关分析在顶级生命科学期刊中约每三篇文章就有一篇被使用,反映了其在数据解释中的核心作用。

**关键统计参数的报告情况**

在310篇纳入文章中发现:84.52%(95% CI: [80.49%, 88.54%], 262/310)报告了相关系数,66.13%(95% CI: [60.86%, 71.40%], 205/310)报告了对应的p值;然而仅41.29%(95% CI: [35.81%, 46.77%], 128/310)明确报告了样本量,只有1.94%(95% CI: [0.89%, 4.16%], 6/310)提供了相关系数的置信区间。样本量和置信区间的缺失严重限制了结果的可解释性和可重复性。

**潜在的误导性推断解释**

超过一半的文章(57.10%,95% CI: [51.59%, 62.61%], 177/310)包含对相关强度的明确文字解释,使用诸如“强”“弱”“中等”“高度”或“低度相关”等术语。但这些强度描述背后的统计依据往往不完整,存在产生误导性推断的风险。在177篇解释中,45.76%(81/177;95% CI: [38.42%, 53.10%])仅依赖样本相关系数,未报告或考虑估计不确定性;另有54.24%(96/177;95% CI: [46.90%, 61.58%])主要依赖NHST,特别是p值来表征关联强度,从而将统计显著性与效应量或实际重要性混为一谈。

**总结讨论与结论**

讨论部分首先指出,相关分析在生物医学中广泛使用,但在顶级期刊中统计报告和解释普遍存在缺陷,可能造成误导性推断,损害透明评估、可重复性和可靠性。研究人员强调,有效应用相关分析需满足若干前提:样本独立性、恰当的方法选择、数据分布假设以及异常值影响。若数据结构存在嵌套或层次性,应使用线性混合效应模型;根据数据类型选择Pearson、Spearman或Kendall's方法;违反分布假设时采用非参数方法或数据转换;通过标准化残差、Cook's距离或目视检查识别并处理异常值。此外,研究人员强烈建议不仅报告相关系数,还应报告样本量、CI和效应的实际解释。他们以示例说明,即使p值相同,不同的样本量对应的CI宽度不同,推断的确定性也不同。然而,对三种顶级期刊的审查显示,不到2%的研究包含CI,这一遗漏破坏了可重复性。为此,他们提出最低报告标准:研究人员应始终呈现样本量、相关系数及其置信区间,即强制采用美国心理学会(APA)报告风格。同时,讨论了其他统计误用:有Nature文章将相关系数的CI与回归线置信带混为一谈,两者虽均为区间但代表不同推断量;有Science文章仅基于p值比较不同组别的相关差异,直接比较p值在数学上无效,应使用Fisher's z转换置信区间或自举差异区间。此外,许多文章用热图显示相关矩阵却缺乏必要的统计细节,建议在正文或补充材料中提供相关系数的CI。最后,论文指出“significant”一词被普遍使用,但其中仅少数明确限定为“statistically significant”,这种语义混淆可能助长误解释。研究局限性在于未涉及偏相关、重复测量相关、距离相关或互相关,但同样的推断原则适用;近期对组内相关系数的综述也发现类似报告不足,说明缺陷更广泛。研究结论为:研究人员倡导明确的报告指南,要求在相关性分析中强制报告效应量和置信区间,以提高定量生命科学研究的透明度、严谨性和可重复性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号