Как сравнить количественный показатель, например, уровень гемоглобина в крови, в двух группах?

Зависит от того, как сформулирован наш исследовательский вопрос:
1️⃣ Если нас интересует, различаются ли средние значения уровня гемоглобина - используем параметрические t-критерий Стьюдента или Уэлча.
2️⃣ Если хотим сделать вывод о том, что в одной из групп более вероятны либо более высокие, либо более низкие значения, чем в другой, - используем непараметрический критерий Уилкоксона-Манна-Уитни (или просто Манна-Уитни, далее я буду называть его критерий WMW).

Как мы знаем, второй вариант используется во многих исследованиях. В этом случае нас не беспокоит информативность средних значений, отклонение распределения от нормального или наличие выбросов.

Однако, решительно применяя критерий WMW для разных показателей, авторы редко вспоминают о том, что он вообще-то имеет существенное ограничение: корректность оценки гарантируется только при равных дисперсиях сравниваемых групп! То есть вариабельность признака и форма распределения в группах должны быть одинаковыми. А поскольку такое на практике встречается нечасто, значит во многих случаях WMW-тест может давать неверные p-значения.

Насколько неверные? Например, в одной симуляции WMW-критерий тестировался в следующих ситуациях:
🔺 2 нормальных распределения с разными дисперсиями,
🔺 уни- и бимодальное распределения,
🔺 2 симметричных распределения с разными дисперсиями,
🔺 2 распределения с разными дисперсиями и разнонаправленной асимметрией.
В результате вместо фактической вероятности ошибки I рода α=0.05, были получены оценки от 0.028 до 0.122!

Что же делать? Как поступить, если при сравнении групп мы не уверены в равенстве дисперсий?

Вспомним критерий Уэлча - модифицированный t-критерий Стьюдента, который позволяет корректно сравнивать средние значения в группах с разными дисперсиями. Вот такую же модификацию критерия WMW выполнили и описали в 2000 году немецкие статистики Edgar Brunner и Ullrich Munzel. И получили метод, который в описанной выше симуляции при α=0.05 давал оценки частоты ошибок I рода от 0.046 до 0.057. Согласитесь, это значительно более точные оценки по сравнению с критерием WMW.

По данным другой симуляции, проведенной K.Noguchi с соавт. (2021), в случае сравнения групп с разными дисперсиями при заданной α=0.05 критерий Бруннера-Мюнцеля показал частоту ошибок I рода в диапазоне от 0.049 до 0.057. Диапазон для критерия WMW был значительно шире, оценки «размазались» от 0.02 до 0.085.

И ещё в одной симуляции C.P.Nowak с соавт. (2022) при сравнении 2 групп с нормальным распределением, но разными дисперсиями (σ1/σ2=5), при заданной α=0.05 оценки частоты ошибок I рода составили:
🔸 для критерия WMW от 0.004 до 0.174,
🔸 для критерия Бруннера-Мюнцеля от 0.035 до 0.052.

А если дисперсии одинаковые?

По данным K.Noguchi с соавт. критерий WMW оказался немного более точным, чем критерий Бруннера-Мюнцеля. Но и в этом случае последний показал оценки частоты ошибок I рода с погрешностью, не превышающей 0.01. По данным C.P.Nowak с соавт. оба теста дали вполне надежные оценки:
🔸 критерий WMW - от 0.043 до 0.053,
🔸 критерий Бруннера-Мюнцеля - от 0.048 до 0.053.

Подытожим.
Критерий Бруннера-Мюнцеля тестирует нулевую гипотезу: вероятности того, что случайно взятое значение из одной группы будет выше, чем случайно взятое значение из другой группы, для обеих групп равны. И позволяет достаточно точно оценить вероятность ошибочного отклонения этой нулевой гипотезы (т.е. получить корректные p-значения) в случаях как равных, так и разных дисперсий.

Ну что, поехали? 🛫

🔬 SCID.AI — новая функция доступа к статьям
Теперь, если статья недоступна для скачивания, вы можете запросить её напрямую у автора.

✉️ Request from Author
🔹 Если у автора в ORCID указан email, на странице статьи появляется кнопка Запросить у автора.
🔹 SCID автоматически формирует письмо с DOI статьи — его можно отправить автору в один клик.
🔹 Автор может поделиться материалами исследования.

⚙️ Функция работает через mailto и требует почтового клиента. Если он не установлен, можно подключить Gmail через расширение.

SCID.AI — делаем научные знания доступнее. 🔎

Рецензирование статьи: не формальность, а маркер научной зрелости

В научной среде рецензирование часто воспринимают как технический этап перед публикацией.

На деле это один из ключевых механизмов, который помогает отделить действительно качественную работу от сырой рукописи, а автору — увидеть слабые места исследования до выхода статьи.

В актуальных рекомендациях ICMJE рецензирование рассматривается как важное продолжение самого научного процесса, а не как бюрократическая процедура.

Хорошая рецензия — это не попытка «разнести» автора. Это профессиональный разбор рукописи: насколько корректно поставлен вопрос, соответствует ли ему дизайн исследования, достаточно ли прозрачно описаны методы, не расходятся ли результаты с выводами, нет ли методологических и этических пробелов.

Международные рекомендации подчеркивают, что комментарии рецензента должны быть конструктивными, честными и корректными по тону.

Сильное рецензирование начинается еще до согласия на review.

Рецензент должен честно ответить себе на три вопроса:
✅достаточно ли у него экспертизы по теме;
✅нет ли конфликта интересов;
✅сможет ли он дать полноценную рецензию в срок.

ICMJE прямо указывает, что рецензент обязан сообщать редактору о связях и обстоятельствах, которые могут повлиять на объективность оценки, и отказаться от review при риске предвзятости.

Что стоит оценивать в статье в первую очередь?

— научный вопрос и новизну: зачем вообще выполнена эта работа;
— методологию: соответствует ли дизайн цели исследования;
— результаты: последовательны ли данные в тексте, таблицах и рисунках;
— обсуждение: не выходят ли выводы за пределы полученных результатов;
— воспроизводимость и полноту описания: достаточно ли информации, чтобы понять, как именно было проведено исследование.

Именно поэтому в медицинской науке рецензенту так важно ориентироваться на руководства по отчетности исследований. Хороший помощник здесь - библиотека EQUATOR, где собраны чек-листы для разных типов работ: CONSORT, PRISMA, STROBE и другие.

EQUATOR отдельно подчеркивает, что reporting guidelines помогают понять, содержит ли рукопись достаточно деталей для оценки ее качества.

Одна из самых частых ошибок молодых рецензентов — писать общими фразами: «статья интересная, требует доработки».

Такая рецензия почти бесполезна. Полезная рецензия всегда конкретна. Она обычно строится так: короткое резюме работы, затем основные замечания, влияющие на научную ценность статьи, а после - частные комментарии по структуре, таблицам, рисункам, литературе, терминологии и стилю изложения.

В практических рекомендациях Elsevier reviewers советуют кратко суммировать статью, дать общую оценку новизны и значимости, а замечания формулировать четко, по пунктам и с привязкой к конкретным разделам текста.

Отдельный вопрос — этика рецензента. Рукопись, направленная на review, - это конфиденциальный материал. Ее нельзя передавать третьим лицам, нельзя использовать чужие идеи до публикации, нельзя сохранять текст «на будущее» для личных целей. ICMJE подчеркивает, что reviewers должны сохранять рукописи и содержащуюся в них информацию строго конфиденциальными, не обсуждать работу публично и не присваивать идеи авторов до публикации.

Особенно актуально это сейчас в контексте цифровых инструментов и ИИ. В действующих рекомендациях ICMJE отдельно отмечено: редакторы и рецензенты не должны загружать присланные рукописи в системы искусственного интеллекта, если конфиденциальность не может быть гарантирована без явного разрешения авторов.

Это очень важная норма, о которой сегодня должен помнить каждый, кто берется за review.
Для автора рецензирование тоже не должно восприниматься как атака. Жесткие, но аргументированные замечания часто делают рукопись сильнее, чище методологически и убедительнее по выводам. Именно поэтому зрелый исследователь ждет не «похвалы», а содержательной экспертной обратной связи.

Полезные официальные ресурсы, которые стоит сохранить 👇👇👇

1. COPE — Ethical Guidelines for Peer Reviewers
https://publicationethics.org/guidance/guideline/ethical-guidelines-peer-reviewers

Полезные официальные ресурсы, которые стоит сохранить 👇👇👇

2. ICMJE — Responsibilities in the Submission and Peer-Review Process https://www.icmje.org/recommendations/browse/roles-and-responsibilities/responsibilities-in-the-submission-and-peer-peview-process.html Официальные рекомендации по ролям и обязанностям в процессе рецензирования.

3. ICMJE Recommendations (актуальный полный документ, включая разделы про ИИ и конфиденциальность) https://www.icmje.org/icmje-recommendations.pdf Полезно читать не фрагментарно, а целиком.

4. EQUATOR Network — Peer reviewing research https://www.equator-network.org/toolkits/peer-reviewing-research/ Практический раздел о том, как использовать руководства по отчетности при рецензировании.

5. EQUATOR Network — Reporting Guidelines https://www.equator-network.org/reporting-guidelines/ Навигатор по CONSORT, PRISMA, STROBE и другим чек-листам.

6. Elsevier — Peer Review Checklist https://www.elsevier.com/reviewer/how-to-review/checklist Удобный чек-лист по структуре и логике рецензии.

Рецензирование — это не барьер на пути к публикации. Это язык профессионального научного диалога. И чем выше качество этого диалога, тем сильнее становится сама наука.

#напутивнауку #научныепубликации #рецензирование #молодойученый #наука #peerreview

2 тезиса на ASCO 2026 ✅