p-Wert

Ausführlich erklärt

Grundlage des p-Werts ist ein statistischer Test. Man formuliert eine Nullhypothese, meist die Annahme, dass zwischen zwei Gruppen kein Unterschied besteht, und berechnet, wie gut die beobachteten Daten dazu passen. Ein kleiner p-Wert bedeutet, dass die Daten unter der Nullhypothese eher ungewöhnlich wären. Die Schwelle von 0,05 ist eine Konvention, keine naturgegebene Grenze.

Ein Beispiel: Eine Tierstudie vergleicht die Wundverschlusszeit zweier Gruppen und findet p = 0,03. Das heißt nicht, dass der Effekt mit 97 Prozent Wahrscheinlichkeit echt ist. Es bedeutet lediglich, dass ein mindestens so großer Unterschied selten wäre, wenn es in Wahrheit keinen gäbe. Werden in einer Studie viele Endpunkte getestet, steigt zudem die Chance auf zufällig „signifikante“ Treffer deutlich.

Bedeutung in der Peptidforschung

Viele Peptidstudien, besonders Tierexperimente mit kleinen Gruppen, berichten zahlreiche Messgrößen und kennzeichnen signifikante Unterschiede mit Sternchen. Beim Lesen von Studien zu BPC-157, Thymosin-Peptiden oder nootropen Peptiden ist daher entscheidend, ob ein p-Wert zu einem vorab festgelegten Hauptendpunkt gehört oder aus einer von vielen Nebenanalysen stammt. Diese Unterscheidung prägt die Einordnung von Befunden auf PeptidWiki.

Einordnung

Der p-Wert ist weder die Wahrscheinlichkeit, dass die Nullhypothese stimmt, noch ein Maß für die Stärke eines Effekts. Ein nicht signifikantes Ergebnis beweist auch nicht, dass kein Effekt existiert. Aussagekräftiger ist die gemeinsame Betrachtung mit Effektgröße und Konfidenzintervall.