Câu hỏi: "p = 0.45, kết luận không có khác biệt giữa hai thuốc." Giải thích nào đúng?

A. p > 0.05 → không khác biệt → kết luận đúng

B. p > 0.05 không chứng minh H₀ đúng — chỉ cho thấy dữ liệu không đủ để bác bỏ H₀

C. p > 0.05 → hai thuốc tương đương nhau

D. p càng lớn → hai nhóm càng giống nhau

✅ Đáp án: B

Giải thích chi tiết:

Đây là một trong những hiểu lầm phổ biến nhất trong thống kê y học. P-value không đo "độ giống nhau" giữa hai nhóm. Cụ thể:

Định nghĩa chính xác: p = 0.45 có nghĩa là: Nếu giả thuyết vô hiệu H₀ đúng (hai thuốc thực sự không khác biệt), xác suất quan sát được dữ liệu như đã thấy (hoặc cực đoan hơn) là 45%.

Đây là một xác suất cao — không đủ bằng chứng để bác bỏ H₀. Nhưng không bác bỏ H₀ ≠ chấp nhận H₀.

Bạn cần xem xét effect size và khoảng tin cậy (CI). Ở đây, chênh lệch HA trung bình giữa 2 nhóm là 3 mmHg (135-132). Với n=30/nhóm, 95% CI có thể rất rộng, ví dụ:

Δ = 3 mmHg, KTC 95%: −1.5 đến +7.5 mmHg

KTC này bao gồm 0 (giải thích tại sao p > 0.05), nhưng cũng bao gồm cả những giá trị có ý nghĩa lâm sàng (ví dụ: +5 mmHg có nghĩa là thuốc B tốt hơn rõ rệt). KTC rộng = không có đủ thông tin để kết luận gì.

⚠️ Sai lầm kinh điển

Năm 2016, American Statistical Association (ASA) đã ra tuyên bố về p-value với 6 nguyên tắc, trong đó nguyên tắc #1: "P-value không đo lường xác suất mà giả thuyết vô hiệu đúng, cũng không đo lường xác suất mà dữ liệu được tạo ra ngẫu nhiên."

🩺 Clinical Impact

Hiểu sai p-value là lỗi phổ biến nhất trong y học, dẫn đến kết luận không chính xác. Nguyên tắc: Luôn xem effect size + KTC 95%, không dựa vào p-value đơn thuần. Một khác biệt 3 mmHg trong HA tâm thu có thể giảm 8-10% nguy cơ đột quỵ (theo meta-analysis) — đừng bỏ qua chỉ vì p > 0.05!