Hipotez Ailesini Korumak: FWER, FDR ve Çoklu Test Stratejileri

Çoklu karşılaştırma neden sorun oluşturur?

Her hipotez testi yanlış pozitif sonuç üretme olasılığı taşır. Birbirinden bağımsız 20 gerçek sıfır hipotezi α=0,05 ile test edilirse en az bir yanlış pozitif bulma olasılığı yaklaşık 1−0,9520=0,64'tür. Testler bağımlı olduğunda bu basit hesap geçerli olmayabilir; ancak temel mesaj değişmez: test sayısı arttıkça seçici biçimde “anlamlı” sonuç bulma riski yükselir.

Düzeltme yöntemi seçmeden önce hangi hata oranını kontrol etmek istediğinizi ve analiz ailesinin sınırlarını belirlemelisiniz. Aynı araştırma sorusuna hizmet eden sonuçlar genellikle tek bir test ailesi olarak değerlendirilir.

FWER ve FDR aynı hedef değildir

Aile düzeyinde hata oranı (FWER), test ailesinde en az bir Tip I hata yapma olasılığıdır. Doğrulayıcı ve yüksek riskli analizlerde FWER kontrolü sık tercih edilir. Yanlış keşif oranı (FDR) ise anlamlı ilan edilen sonuçlar arasındaki beklenen yanlış pozitif oranını kontrol eder. Çok sayıda belirtecin tarandığı keşifsel araştırmalarda FDR daha güçlü ve uygun olabilir.

Bonferroni düzeltmesi

Bonferroni yönteminde her bir test α/m eşiğiyle değerlendirilir veya ham p değerleri m ile çarpılır. Basit ve bağımlılık yapısından bağımsız olarak güvenlidir; fakat çok sayıda testte aşırı muhafazakâr olabilir. Beş birincil karşılaştırma için eşik 0,05/5=0,01 olur.

Holm yöntemi neden çoğu zaman daha iyi?

Holm'un sıralı yöntemi de FWER'ı kontrol eder ve klasik Bonferroni'den en az onun kadar güçlüdür. P değerleri küçükten büyüğe sıralanır; en küçük p değeri α/m ile, sonraki α/(m−1) ile karşılaştırılır. Birçok doğrulayıcı analizde “varsayılan Bonferroni” yerine Holm iyi bir ilk seçenek olabilir.

Benjamini–Hochberg FDR yaklaşımı

Benjamini–Hochberg prosedürü, sıralanmış p değerlerini i·q/m sınırlarıyla karşılaştırır. Amaç tek bir yanlış pozitif olasılığını sıfıra yaklaştırmak değil, keşifler arasındaki yanlış sonuçların beklenen oranını q düzeyinde tutmaktır. Genomik, proteomik ve geniş belirteç taramalarında sık kullanılır. Bağımlılık yapısı ve önceden seçilmiş hipotezler yöntemin geçerliliğini etkileyebileceği için analiz planında açıkça belirtilmelidir.

Hangi yöntemi seçmelisiniz?

• Bir veya birkaç önceden tanımlı birincil sonlanım: Test sayısını sınırlayın; gerekiyorsa Holm veya kapalı test stratejileri kullanın.

• Çok sayıda doğrulayıcı ikincil sonlanım: FWER kontrolü ve hiyerarşik test planı düşünün.

• Keşifsel biyobelirteç taraması: FDR ve düzeltilmiş q değerleri daha uygun olabilir.

• ANOVA sonrası tüm ikili karşılaştırmalar: Tasarıma göre Tukey, Dunnett veya önceden planlanmış kontrastlar kullanın.

Yöntem seçimi veri görüldükten sonra değil, protokol ve istatistiksel analiz planında yapılmalıdır.

Sık yapılan hatalar

• Yalnızca anlamlı çıkan testleri raporlamak.

• “ANOVA anlamlıysa düzeltme gerekmez” varsayımıyla sınırsız ikili test yapmak.

• Birbiriyle ilgisiz tüm analizleri tek dev ailede birleştirmek veya tam tersine her testi ayrı aile saymak.

• Ham p değerini düzeltilmiş p değeri gibi sunmak.

• FDR sonucunu “bulguların tam %5'i yanlıştır” şeklinde yorumlamak.

Raporlama örneği

“Önceden tanımlanan sekiz ikincil karşılaştırmada aile düzeyinde hata oranı Holm yöntemiyle kontrol edildi. Ham ve düzeltilmiş p değerleri birlikte raporlandı. Keşifsel 120 biyobelirteç analizi için Benjamini–Hochberg FDR eşiği q=0,05 kullanıldı.”

Pratik kontrol listesi

1. Birincil ve keşifsel analizleri ayırın.

2. Test ailesini araştırma sorusuna göre tanımlayın.

3. Hedef hata oranını seçin: FWER mı FDR mı?

4. Düzeltme yöntemini veri analizi öncesinde belirleyin.

5. Etki büyüklükleri ve güven aralıklarını p değerleriyle birlikte verin.

6. Tüm planlı sonuçları, anlamlı olup olmadığına bakmadan raporlayın.

Kaynaklar

• Holm S. A Simple Sequentially Rejective Multiple Test Procedure. 1979.

• Benjamini Y, Hochberg Y. Controlling the False Discovery Rate. 1995.

• Bender R, Lange S. Adjusting for multiple testing—when and how? 2001.

Erişim tarihi: 20 Haziran 2026.