Danışmanınızın sonuç tablosuna bakıp neden bu testi seçtiniz sorusunu sorması, tez sürecindeki en kritik anlardan biridir. Çünkü biyoistatistik yalnızca SPSS’te birkaç komut çalıştırmak değildir. Araştırma sorusunu ölçülebilir değişkenlere çevirmek, verinin yapısına uygun yöntemi belirlemek, bulguları doğru yorumlamak ve sonucu bilimsel olarak savunabilmek demektir.
Sağlık bilimleri, psikoloji, hemşirelik, beslenme, spor bilimleri, biyoloji ve epidemiyoloji çalışmalarında istatistiksel hata; yalnızca bir tablonun yanlış görünmesine yol açmaz. Hipotezin yanlış değerlendirilmesine, danışman düzeltmelerinin uzamasına ve araştırmanın yayın potansiyelinin zayıflamasına neden olabilir. Bu nedenle analiz süreci, veri dosyası elinize ulaştıktan sonra başlayan teknik bir işlem değil, araştırma tasarımıyla birlikte ele alınması gereken akademik bir karardır.
Biyoistatistik araştırma sorusundan başlar
Bir analizden önce cevaplanması gereken ilk soru, hangi programın kullanılacağı değildir. Asıl soru şudur: Araştırma neyi, hangi katılımcılarda ve hangi ölçüm düzeyinde incelemektedir? Örneğin diyabetli bireylerde HbA1c düzeyi ile yaşam kalitesi arasındaki ilişki araştırılıyorsa, değişkenlerin sürekli, kategorik ya da sıralı oluşu analiz seçimini doğrudan etkiler.
Aynı veri seti, yanlış kurulan araştırma sorusu nedeniyle hatalı teste yönlendirebilir. İki grubun ortalamasını karşılaştırmak ile tedavi öncesi ve sonrası aynı kişilerin ölçümlerini karşılaştırmak birbirinden farklıdır. İlk durumda bağımsız gruplar için testler düşünülürken, ikinci durumda eşleştirilmiş ölçümlerin bağımlı yapısı dikkate alınmalıdır. Bu ayrım göz ardı edildiğinde p değeri hesaplanmış olsa bile sonuç bilimsel olarak güvenilir olmaz.
Biyoistatistikte doğru başlangıç için araştırmacının hipotezini, bağımlı değişkenini, bağımsız değişkenlerini ve varsa karıştırıcı faktörleri netleştirmesi gerekir. Yaş, cinsiyet, hastalık süresi, eğitim düzeyi veya tedavi türü gibi değişkenler bazen ana sorunun cevabını değiştirebilir. Özellikle klinik ve gözlemsel araştırmalarda bu değişkenleri model dışında bırakmak, ilişkinin olduğundan güçlü ya da zayıf görünmesine yol açabilir.
Veri hazırlığı analizden önce gelir
Ham veri dosyasındaki her sayı analiz için hazır değildir. Eksik kodlanmış yanıtlar, yinelenen katılımcılar, ters maddeleri düzeltilmemiş ölçekler ve hatalı veri girişleri, en gelişmiş modelin bile yanlış sonuç üretmesine neden olabilir. Örneğin 999 kodu eksik veri yerine gerçek bir puan olarak tanımlanırsa ortalama, standart sapma ve normallik sonuçları ciddi biçimde bozulabilir.
Bu nedenle ilk aşama veri temizliği ve tanımlayıcı incelemedir. Katılımcı sayısı, eksik veri oranı, aykırı değerler, minimum-maksimum puanlar ve dağılım özellikleri değerlendirilmelidir. Ölçek kullanılan çalışmalarda ters kodlama, alt boyut hesaplama ve iç tutarlılık analizi de bu sürecin içindedir. Cronbach alfa katsayısı tek başına yeterli bir kalite belgesi değildir; maddenin yapısı, ölçek uzunluğu ve araştırmanın amacı ile birlikte yorumlanmalıdır.
Normal dağılım değerlendirmesi de sık yapılan hataların merkezindedir. Sadece tek bir test sonucuna bakarak veri normal ya da normal değil demek doğru yaklaşım değildir. Çarpıklık-basıklık değerleri, histogramlar, Q-Q grafikleri, örneklem büyüklüğü ve uç değerler birlikte incelenmelidir. Büyük örneklemlerde küçük sapmalar istatistiksel olarak anlamlı görünebilir; küçük örneklemlerde ise testlerin gücü sınırlı kalabilir. Bu nedenle yöntem seçimi mekanik değil, gerekçeli olmalıdır.
Hangi analiz hangi soruya cevap verir?
Biyoistatistik uygulamalarında test seçimi, araştırma sorusuna göre yapılır. İki bağımsız grubun sürekli bir puan bakımından farkı inceleniyorsa bağımsız örneklemler t testi veya varsayımlar uygun değilse Mann-Whitney U testi kullanılabilir. Üç ya da daha fazla grubun karşılaştırılmasında ANOVA ya da Kruskal-Wallis testi gündeme gelir. Ancak anlamlı bir genel fark bulunduğunda, farkın hangi gruplardan kaynaklandığını göstermek için uygun çoklu karşılaştırmalar da yapılmalıdır.
İlişki araştırmalarında korelasyon analizi sık kullanılır. Fakat korelasyon, nedensellik kanıtı değildir. İki değişken birlikte değişiyor olabilir; ancak bu değişime üçüncü bir değişken neden oluyor olabilir. Bu noktada çoklu doğrusal regresyon, lojistik regresyon veya uygun başka modeller, karıştırıcı değişkenlerin kontrol edilmesine yardımcı olabilir.
Bağımlı değişken kategorik olduğunda yöntem değişir. Örneğin tedaviye uyumlu ve uyumsuz olmak gibi iki kategorili bir sonuç için lojistik regresyon daha uygun olabilir. Tekrarlı ölçüm içeren çalışmalarda ise aynı katılımcıdan gelen verilerin birbirinden bağımsız olmadığı unutulmamalıdır. Ön test-son test tasarımlarında, takip ölçümlerinde veya farklı zaman noktalarındaki klinik değerlendirmelerde tekrarlı ölçümler için uygun yöntemler tercih edilmelidir.
Daha karmaşık modellerde yapısal eşitlik modellemesi, aracılık ve düzenleyicilik analizleri devreye girer. AMOS ile kurulan ölçüm ve yapısal modellerde uyum indeksleri, faktör yükleri, hata terimleri ve teorik gerekçe birlikte değerlendirilir. PROCESS Macro ile yürütülen aracılık analizlerinde ise dolaylı etkinin güven aralığı, bootstrap yaklaşımı ve modeldeki kontrol değişkenleri açıkça raporlanmalıdır. Yalnızca anlamlı bir çıktı almak için model kurmak, akademik açıdan savunulabilir bir yaklaşım değildir.
Anlamlılık sonucu tek başına yeterli değildir
Tezlerde en sık görülen eksikliklerden biri, bulgunun yalnızca p değeri ile sunulmasıdır. Oysa p değeri, etkinin büyüklüğünü veya klinik önemini göstermez. Çok büyük örneklemlerde pratikte önemsiz bir fark anlamlı çıkabilir. Küçük örneklemlerde ise anlamlılık elde edilememesi, mutlaka etkinin olmadığı anlamına gelmez.
Bu yüzden etki büyüklüğü, güven aralığı ve mümkün olduğunda istatistiksel güç değerlendirmesi sonuçların yorumunu güçlendirir. İki grubun farkı için Cohen d, kategorik ilişkiler için odds oranı, regresyon modelleri için açıklanan varyans ve katsayıların güven aralıkları araştırmacıya daha anlamlı bir çerçeve sunar. Akademik raporlama, test istatistiğini yazmaktan çok, bulgunun araştırma sorusu bakımından ne ifade ettiğini açıklama işidir.
Örneğin yaşam kalitesi puanındaki farkın istatistiksel olarak anlamlı olması, bu farkın hasta bakımında veya uygulamada anlamlı olduğu anlamına gelmeyebilir. Tersine, küçük fakat belirli bir hasta grubunda tutarlı görülen bir etki, klinik açıdan değer taşıyabilir. Yorum, örneklemin özelliği, ölçüm aracı, araştırma tasarımı ve alan yazındaki kanıtlarla dengelenmelidir.
Bulgular bölümü nasıl savunulabilir yazılır?
İyi bir bulgular bölümü, SPSS çıktılarını art arda yapıştıran bir metin değildir. Okuyucu önce örneklemi tanımalı, ardından değişkenlerin betimsel özelliklerini görmeli ve sonrasında hipotez testlerine geçmelidir. Her tablo, araştırma sorusuna hizmet etmeli; metin ise tablodaki tüm rakamları tekrar etmek yerine dikkat edilmesi gereken sonucu açıklamalıdır.
APA biçimine uygun raporlamada test türü, serbestlik derecesi, test istatistiği, p değeri, etki büyüklüğü ve gerekli görülen güven aralıkları düzenli biçimde verilmelidir. Bununla birlikte biçimsel doğruluk kadar yorumun doğruluğu da önemlidir. Anlamlı olmayan bir sonucu anlamlıymış gibi sunmak veya nedensel olmayan bir ilişkiden neden-sonuç çıkarımı yapmak, tezin savunma sürecinde kolayca fark edilebilecek sorunlardır.
Yöntem bölümü ile bulgular bölümü arasında da tam uyum bulunmalıdır. Yöntemde belirtilmeyen bir analizin sonuçlarda ortaya çıkması ya da ölçülmediği söylenen bir değişkenin regresyon modeline girmesi, çalışmanın bütünlüğünü zedeler. Danışman geri bildirimleri çoğu zaman bu tutarsızlıkların düzeltilmesine yöneliktir. Bu nedenle analiz planı, çıktı dosyası, tablo numaraları ve metin anlatımı birlikte kalite kontrolünden geçirilmelidir.
Profesyonel destek hangi noktada değer yaratır?
Araştırmacı verisini ve alan bilgisini en iyi bilen kişidir. İstatistik uzmanının görevi araştırmacının yerine karar vermek değil, araştırma sorusunu uygun analitik çerçeveye taşımak, riskli noktaları görünür kılmak ve sonuçları akademik standartlara uygun biçimde belgelendirmektir. Özellikle dar teslim tarihleri, karmaşık modeller, danışman düzeltmeleri veya daha önce yapılmış analizlerde şüphe bulunan durumlarda ikinci bir teknik inceleme zaman kaybını azaltabilir.
Akademik Analiz gibi analiz odaklı destek süreçlerinde değer yaratan unsur, yalnızca çıktı üretmek değildir. Veri setinin kontrol edilmesi, uygun testlerin gerekçelendirilmesi, SPSS, AMOS veya PROCESS Macro sonuçlarının yorumlanması ve bulguların enstitü beklentilerine uygun akademik metne dönüştürülmesi birlikte ele alınır. Ancak araştırmacının çalışmasının teorik çerçevesine, etik onayına ve nihai bilimsel sorumluluğuna sahip olduğu her aşamada korunmalıdır.
Teslimden önce kendinize şu ölçütü sorun: Bulgularınız, aynı veri setini inceleyen başka bir araştırmacıya yöntem seçiminizi ve yorumunuzu açıkça gösterebiliyor mu? Cevap tereddütsüz evet değilse, çoğu zaman ihtiyaç duyulan şey daha fazla tablo değil, daha doğru kurulmuş bir biyoistatistik değerlendirmesidir.