Address for correspondence : Hyonggin An, PhD, Department of Biostatistics, College of Medicine, Korea University, 126-1 Anam-dong 5-ga, Seongbuk-gu, Seoul 136-705, Korea
Tel : +82-2-920-6437, Fax : +82-2-953-6439, E-mail : hyonggin@korea.ac.kr

서     론

   통계학은 연구의 결론을 객관적으로 도출하기 위하여 자료(data)를 수집, 처리, 해석하는 학문이다. 올바르게 적용된 통계방법은 모든 분야의 연구에 있어 결론의 타당성을 과학적으로 증명할 수 있도록 도와준다. 반대로 올바르지 않게 적용된 통계분석으로부터 도출된 결과는 신뢰하기 어려우며 연구논문의 질을 떨어뜨릴 뿐 아니라 사회적 비용을 야기하게 된다. 예를 들어, 비염치료에 관한 신약(new drug)과 위약(placebo)의 효능(efficacy)을 비교하는 무작위배정 이중눈가림 3상 임상시험(double blinded randomized phase III clinical trial)을 고려해보자. 정말로 신약의 효능이 뛰어난 경우임에도 불구하고 잘못된 통계적 방법의 적용으로 인하여 신약과 위약의 차이가 없다고 결론을 내리게 되면 비염에 효능이 있는 신약은 허가를 받지 못해 사장될 것이다. 이는 그 동안 신약개발에 들인 비용과 시간의 허비와 더불어 비염을 앓고 있는 환자에게서 새로운 치료의 기회를 박탈하게 된다. 반대로 실제로는 신약이 효능이 없음에도 불구하고 잘못된 통계적 방법의 적용으로 인하여 신약과 위약의 차이가 있다는 결과를 얻는 경우에는 효능이 없는 약을 환자에게 적용함으로써 잠재적인 부작용에 환자들을 노출시키게 된다. 또한, 비슷한 후속연구가 계속 진행될 것이며 이런 후속연구에서는 효능을 발견하지 못함으로써 혼란과 사회적 비용을 낭비하게 된다. 물론 위에서 말한 이런 오류들은 잘못된 통계방법뿐만 아니라 잘못된 연구설계로 인한 편향(bias)의 개입으로 인하여 발생할 수 있다.
   이렇게 통계적 방법론이 연구결과의 신뢰에 큰 영향을 준다면 질 높은 의학연구를 위해서는 다양한 통계적 방법론을 숙지하고 있어야 하며 연구에 사용되는 자료와 연구주제에 맞는 통계적 방법을 선택할 수 있어야 한다. 그렇다면 의과학자가 전문통계학자 정도의 통계지식이 있어야 하는 것인가? 물론 의과학자가 전문통계학자가 될 필요는 없다. 하지만 의과학자로서 일정 정도의 기본적인 통계지식을 갖추고 있으면 의학연구의 질을 높일 수 있는 것은 사실이다. 의과학자가 기본적인 통계지식을 알고 있으면 다음과 같은 이점이 있다. 먼저, 전문통계학자와의 소통이 원활해져 원하는 연구를 효율적으로 수행할 수 있다. 이 경우 전문통계학자도 진행되는 의학연구에 관한 배경지식을 이해하고 있어야 한다. 두 번째는 수행한 연구결과를 의학저널이나 학술대회 등을 통하여 발표하는 경우 연구 책임자로서 연구에서 수행한 통계적 방법을 충분히 이해하고 발표할 때 연구의 신뢰성을 높일 수 있다. 세 번째로는 의학저널 등을 통하여 최신 의학지식을 습득하게 되는 데 이 때 통계적 지식이 있는 경우 논문의 이해도가 훨씬 높아질 수 있다. 또한, 좋은 연구와 그렇지 않은 연구를 구분할 수 있는 능력을 높일 수 있다. 즉, 연구의 결과가 실제로 유효한 지 비판적으로 검증할 수 있으며 연구의 강점과 제약점을 이해할 수 있다. 이렇듯 좀 더 양질의 연구와 논문 출판을 위해서는 의과학자들도 일정 정도의 통계학 지식을 가지고 있어야 한다.
   의학저널에서의 통계학의 중요성과 필요성은 계속해서 증가하고 있다. 본 논문에서는 의학연구 및 논문작성에 있어서 통계학의 역할과 몇 가지 중요한 통계적 고려사항에 관하여 고찰하였다. 본 연구는 연구설계, 연구의 크기(표본수), 통계적 분석방법 및 결과의 표현방법에 관하여 순서대로 살펴보았다. 

연구설계

   이전보다는 인식이 좋아졌지만 아직도 의과학 연구에서의 통계학의 역할은 단지 SPSS나 SAS같은 통계프로그램을 이용한 자료의 통계적 분석이 전부라고 인식하는 경우가 많다. 심지어는 통계학은 SPSS나 SAS같은 통계프로그램과 동일하다고 생각하는 일반연구자들도 있다. 연구에서 습득된 자료의 분석부분은 질 높은 연구를 위하여 고려해야 할 많은 통계적 고려사항 중 한 부분이다. 또한, SPSS와 같은 통계프로그램은 통계분석에서 손으로 직접 수행하기 어려운 계산을 원활하게 할 수 있도록 도와주는 도구이지 프로그램 그 자체가 통계는 아니다. 통계프로그램을 보면 여러가지 많은 분석방법을 포함하고 있는데 프로그램 자체가 연구의 목적과 자료에 적절한 통계분석법을 선택해 주지는 않는다. 즉, 연구자가 축척된 통계지식을 이용하여 가장 적절한 통계분석법을 선택해야 하며 통계프로그램은 그 분석의 계산을 도와주는 것이다. 요즘 의학논문의 "통계분석" 부분에 분석으로 어떤 프로그램을 사용하였는 지를 기술하여 주는 것이 일반적이다. 이는 통계적 분석법의 적절성을 위하여 기술하는 것이 아니라 계산에서 나온 값이 얼마나 믿을만한 값인지를 알려주기 위하여 어떤 프로그램을 사용하였는 지를 기술하는 것이다.
   의학연구에서 통계학의 가장 중요한 역할은 궁극적으로 연구결과가 비교성(comparability)과 일반성(generalization)을 가지고 있는 지 증명하는 것을 도와주는 것이다. 이런 비교성과 일반성을 보장하기 위해서는 여러 가지 사항들을 고려하여야 하는데 통계분석법도 그 중 하나이다. 하지만 습득된 자료의 분석보다 더 중요한 것이 연구계획과 연구설계이다. 설계가 잘못된 연구는 복잡하고 고급의 통계분석법을 이용하여도 그 결과의 신뢰성에는 한계가 있다. 최악의 경우 연구를 다시 수행해야 할 수도 있다. 연구설계가 잘된 연구인 경우는 습득된 자료를 적절하지 못한 통계 분석법을 이용하여 분석한 경우에 신뢰할 수 없는 결과를 도출하지만 이런 경우에는 다시 적절한 분석법으로 변경하여 분석하게 되면 신뢰할 수 있는 결과를 얻을 수 있다.
   의학연구는 인과관계의 추론이 목적인 경우가 많다. 즉, 보고자 하는 원인만의 효과를 추정하고자 한다. 예를 들면, 흡연이 폐암에 미치는 영향을 조사하고자 하는 연구에서 연구자가 알고 싶은 것은 다른 모든 변수들이 통제된 상태에서 흡연을 한 경우와 하지 않은 경우의 폐암발생의 비율이다. 만일 다른 변수들이 통제되지 못하는 경우에는 흡연군과 비흡연군간의 폐암발생의 비율의 차이가 나더라도 그 차이가 정말로 흡연 때문인지 알 수가 없다. 만일 흡연군의 나이가 많고 비흡연군의 나이가 어린 경우에 나이를 고려하지 않고 흡연군과 비흡연군의 폐암발생률을 비교하면 폐암발생률의 차이는 나이의 효과가 더해져서 폐암발생률의 차이가 원래보다 더 크게 나올 가능성이 많다. 거꾸로 흡연군의 나이가 어리고 비흡연군의 나이가 많은 경우에는 흡연군과 비흡연군간의 폐암발생률의 차이는 원래보다 더 작게 나올 가능성이 많다. 여기서 우리가 연구에서 알고자 하는 단지 흡연만으로 생기는 원 폐암발생률보다 자료로부터 추정된 폐암발생률이 더 크거나 낮은 경우를 편향(bias)이 발생하였다고 한다. 즉, 편향은 원 폐암발생률과 추정된 폐암발생률의 차이이다. 이렇게 편향을 유발시키는 나이와 같은 제 3의 변수를 교란변수(confounder)라고 한다. 이런 편향은 교란변수뿐만 아니라 다른 여러가지 이유로 발생한다. 
   그러므로 연구는 인과관계 추론에서 발생할 수 있는 편향(bias)을 최소화하도록 설계하여야 한다. 편향을 최소화하기 위한 가장 적절한 연구설계로는 무작위배정(randomiza-tion)을 통한 전향적 중재연구(prospective intervention study)가 있다. 하지만 여러 가지 이유, 특히 윤리적인 이유로 인하여 무작위배정 및 전향적 중재연구를 수행하기 불가능한 경우가 있다. 예를 들면, 수술법과 약제와의 효능비교를 위하여 무작위배정을 하는 것은 윤리적으로 불가능하다. 또한 흡연과 폐암의 관련성 연구에서 흡연을 연구자가 중재하는 것도 윤리적으로 불가능하다. 이런 경우는 어쩔 수 없이 비무작위배정 중재연구나 관찰연구(observational study)의 연구설계를 이용하여야 한다. 이런 관찰연구나 비무작위배정 연구에서는 필수불가결하게 편향이 발생할 수 있으므로 적절한 통계적 분석법을 이용하여 편향을 줄이도록 노력하여야 하며 이러한 연구 제약점을 충분히 숙지한 후 결과해석을 하여야 한다. 
   중재연구는 연구참여자가 처치(treatment)와 대조(control)중에 하나의 군에만 할당되는 지 아니면 처치와 대조 둘 다 할당되는 지에 따라 병행(parallel)설계와 교차(cross-over)설계로 나눌 수 있다. 병행설계는 일반적인 무작위배정연구에서 많이 사용되는 설계방법으로 연구참여자의 동의를 얻은 후 베이스라인(baseline)에서 변수들을 측정한 후에 처치 또는 대조군으로 무작위 배정하여 처치를 적용한 후 일정시간 후에 다시 변수들을 측정하는 연구설계이다. 반면 교차설계는 연구참여자의 동의를 얻은 후 베이스라인에서 변수들을 측정한 후에 무작위로 처치군 또는 대조군으로 할당한 후 일정시간 이후 변수를 측정하고 다시 이전에 처치를 받은 연구참여자는 대조약을 적용하고 이전에 대조약을 적용한 연구참여자는 처치약을 적용하게 된다. 즉, 연구참여자 자신이 처치군도 되고 대조군도 된다. 이 병행설계방법은 통계량의 정도(precision)를 높여 검정력(power)을 크게하고 표본수를 작게 하는 장점이 있지만 이전의 처치가 이후 처치에 영향을 주는 이월효과(carry-over effect)가 발생할 수 있다. 이월효과를 없애기 위해서는 다음 처치 적용까지 이전 처치의 효과가 사라질 수 있는 충분히 긴 시간이 필요하다. 이를 세정기간(wash-out period)이라고 한다. 하지만, 이 세정기간이 길면 길수록 연구의 기간도 증가하게 되어 연구참여자가 연구로부터 중도탈락(drop-out)할 기회가 높아져 결측자료(missing data)의 문제가 발생할 가능성이 높다. 또한 병행설계방법은 개체 간 변동뿐만 아니라 개체 내 변동도 함께 고려하여야 하므로 좀 더 복잡한 통계분석방법이 필요하다.
   중재연구 외에도 코호트연구(cohort study)나 사례-대조연구(case-control study) 등과 같은 관찰연구를 통하여 인과관계를 제약적으로 추론할 수 있다. 이 경우 관찰연구는 편향을 야기하는 교란변수(confounders)를 직접적으로 통제할 수 없으므로 연구설계단계에서 짝짓기(matching)방법을 이용하거나 분석단계에서 성향점수방법(propensity score method), 주변구조모형(marginal structural models) 등 혼동변수를 통제하는 통계 분석법을 이용하여 분석하여야 한다. 이 때, 설계단계에서는 가능한 많은 잠재적 혼동변수를 수집하여 추후 분석에서 이용할 수 있도록 한다.
   논문에 이러한 연구설계에 관하여 자세하게 기술하여 준다. 

연구의 크기

   연구의 크기, 즉 표본수는 연구설계 단계에서 결정한다. 좋은 연구계획은 임상적 유의성과 통계적 유의성을 동시에 보일 수 있는 충분히 큰 규모의 연구여야 하나 임상적 유의성이 없음에도 통계적 유의성을 보일 정도의 너무 큰 연구는 지양하여야 한다. 예를 들어, 혈압을 낮추는 신약의 효능을 검증하는 임상시험에서 신약이 혈압을 평균적으로 160 mmg에서 신약 복용 이후 158 mmHg 낮추어 준다고 하자. 아마도 이 수준의 혈압강하는 임상적으로 무의미할 것이다. 하지만 표본수가 매우 큰 경우에는 이러한 임상적으로 유의하지 않은 작은 차이도 통계적으로 유의할 수 있다. 이런 임상시험은 연구참여자에게 아무런 이익이 없음에도 많은 수의 연구참여자를 잠재적인 부작용의 위험에 처하게 함으로써 윤리적인 문제를 야기할 수 있다. 반대로 신약이 혈압을 평균적으로 160 mmHg에서 130 mmHg로 낮추어 준다고 하자. 이는 아마도 신약이 임상적으로 충분한 효능을 가졌다고 할 수 있다. 하지만 표본수가 너무 작은 경우는 검정력이 너무 낮아 통계적인 유의성을 보일 수 없을 것이다. 그러므로 연구계획 단계에서 정확하고 믿을만한 통계적 판단을 가능하게 하는 표본수를 산정하는 것은 매우 중요하다. 
   표본수 계산에 필요한 요소들은 먼저 통계적 검정 방법의 종류, 유의수준, 검정력, 연구효과의 크기, 연구의 측정오차 정도가 필요하게 된다. 이 때, 유의수준은 0.05로 검정력은 0.8 이상으로 정하는 것이 일반적이다. 좀 더 높은 검정력은 좀 더 많은 표본수를 필요로 한다. 연구효과의 크기는 연구목적과 과학적인 중요 정도에 맞게 선택하여야 한다. 이 연구효과의 크기는 통계학자가 정하는 것이 아니라 연구책임자가 임상적 유의성에 맞추어 정해야 한다. 연구의 측정오차 정도는 주효과변수가 연속형인 경우 표준편차를 이용하게 되는데 일반적으로 과거의 비슷한 연구나 자료를 이용하거나 준비연구(pilot study)를 미리 수행하여 정할 수 있다. 물론 이 두 가지 접근법 모두 주의를 필요로 한다.
   이러한 여러 요소들이 결정된 경우 표본수 계산 공식을 이용하여 적정한 표본수를 산출할 수 있다. 일반적으로 표본수 계산 프로그램을 이용한다. 표본수 계산을 위한 독자적 상업용 프로그램으로는 nQuery Advisor(Statistical Solutions, Inc), PASS(NCSS), Power and Precision(BioStat) 등이 있고 SPSS는 SamplePower라는 모듈을 따로 구입하여야 한다. SAS에서는 PROC POWER 및 PROC GLMPOWER라는 프로시져를 제공하지만 독립적 표본수 계산 프로그램보다 제약이 많다. 이외에도 비상업용 프로그램들도 존재한다. 관찰연구의 표본수는 비상업용 프로그램인 Epi Info라는 프로그램을 이용하여 구할 수 있다.

통계 분석 방법 및 표현 방법

   서론에서 말한 바와 같이 적절한 통계분석방법의 선택은 신뢰할만한 연구결과의 도출을 위하여 중요하다. 하지만 자료분석에 있어서 가장 먼저 해야 할 일은 자료가 어떤 위치에 있고 얼마나 퍼져있는 지 등의 분포적 특징을 살펴보는 것이 중요하다. 이러한 분석을 기술통계(descriptive statistics)분석이라고 하고 이는 그림 또는 요약된 숫자를 이용하여 자료를 표현한다. 자료가 연속형 변수인 경우는 히스토그램(histogram) 또는 상자수염그림(box-whisker plot)을 이용하여 분포의 대략적인 모습을 볼 수 있다. 요약값의 경우는 분포가 어느 정도 대칭인(symmetric) 경우는 평균(mean)과 표준편차(standard deviation)를 이용한다. 만일 분포가 너무 치우쳐져 있는 경우는 중앙값과 사분위 범위(interquartile range)를 이용하여 자료를 요약할 수 있다. 자료가 범주형인 경우는 막대그림(bar chart)으로 시각적 표현을 할 수 있고 요약값은 빈도(frequency)와 백분율(percentage)을 이용할 수 있다. 이런 요악값은 의학논문에서 일반적으로 Table 1에 제시하여 독자들이 자료의 특성을 이해할 수 있도록 돕는다. 또한 요약값을 이용하여 자료를 정리하게 되면 이상값(error value) 또는 특이값(outlier)을 찾아낼 수 있으며 이런 값들이 존재하는 경우 조심스럽게 통계분석에서 다루어야 한다. 만일 특이값을 분석에서 제외하였다면 제외한 이유와 더불어 그 사실을 논문에 서술하여야 한다.
   연구결과의 질은 얼마나 많은 통계방법을 사용하였느냐 또는 얼마나 어려운 통계방법을 사용하였느냐에 따르는 것이 아니라 얼마나 적절한 방법을 사용하였느냐에 의존한다. 적절한 통계방법은 연구의 목적(가설검정), 연구설계방법, 변수의 수, 비교하고자 하는 군의 수, 변수의 종류 등을 고려하여 선택한다. 예를 들면, 목적이 후두암의 치료에 있어 수술치료법을 사용한 경우와 수술치료법과 방사선 치료를 동시에 사용한 경우의 누적 생존율을 비교하고자 하는 연구가 있다고 하자. 연구자는 후향적으로 수술치료법만을 사용한 환자와 수술치료법과 방사선 치료를 동시에 사용한 환자를 연구에 포함한 후 이 들의 초기치료 시점부터 사망 시까지의 생존기간을 수집하였다. 이 경우 두 군간의 누적 생존율을 비교하기 위한 방법으로는 가장 기초적으로 로그-순위 검정이란 통계방법을 이용할 수 있다. 하지만 위에서 언급한 연구는 관찰연구이므로 나이나 성별과 같은 인구학적 변수나 암의 병기와 같은 임상적 변수가 군간에 상이할 수 있으며 또한 이런 변수들은 생존기간에 영향을 미칠 수 있다. 위에서 언급한 바와 같이 이런 변수들을 교란변수(confounder)라 하며 편향을 최소화하기 위해서는 교란변수들을 분석에서 고려해 주어야 한다. 생존기간 비교에서 교란변수를 통제할 수 있는 방법으로 Cox의 비례위험 회귀모형(Cox's proportional hazard regression)이 있다. Cox의 비례위험 회귀모형에서 나온 계수를 지수화(exponential)하면 위험비(hazard ratio)로 해석할 수 있다. 
   다른 예로는 무작위 배정연구에서 두 군간의 연속형 변수를 비교하는 경우 독립 이표본 t-검정을 이용할 수 있다. 하지만 군 간의 분산이 동일하지 않거나 정규성(분포의 대칭)을 만족하지 않는 경우는 원자료 대신 순위를 이용하는 비모수적 방법인 Mann-Whitney U-검정이 좀 더 적절한 분석방법이 될 수 있다. 
   자료의 종류(예: 범주형 또는 연속형 반응변수)에 따른 자주 사용되는 통계분석방법을 Table 1에 정리하였다. 물론 맹목적으로 통계적 분석법을 사용하는 것은 주의하여야 하며 여러 가지 사항을 고려하여 적절한 분석법을 선택하여야 한다.
   비록 적절한 통계적 방법을 사용하여 결과를 도출하였더라도 통계결과의 부적절한 표현으로 인하여 논문이 거절될 수 있다. 논문 작성시 주의해야 할 몇 가지 통계적 고려사항을 살펴본다.
   의학논문에서 방법(method) 부분에는 연구설계와 자료수집과정을 자세하게 기술하여야 한다. 연구 및 분석에 사용한 변수들을 명확하게 정의하고 통계분석방법을 기술한다. "방법" 섹션 안에 "통계분석(statistical analysis)" 또는 "통계방법(statistical methods)"의 부섹션에서 사용한 통계분석방법, 통계적 유의수준, 분석에 사용한 통계프로그램 등을 기술하여 준다. 이 때 주의할 점은 사용한 모든 통계 분석방법의 이름만을 나열하는 것이 아니라 어떤 목적을 위해 어떤 통계적 방법을 사용하였는지 자세히 기술하여야 한다. 예를 들어, 다변량 분석을 하였다면 어떤 변수들이 다변량 분석에 고려되었는지 왜 다변량을 하였는 지 등에 관하여 기술하여 주어야 한다. 즉, 독자들이 같은 자료가 있다면 제시된 통계방법을 시행하여 같은 결과를 얻을 수 있도록 명확하게 기술한다.
   결과(result) 부분에는 분석결과를 제시하는데 이 때 주의할 점은 표에 제시된 숫자를 다시 반복하는 것이 아니라 가능하면 표에 제시된 값들의 질적인 표현에 중점을 둔다. 일반적으로 분석결과는 p-값뿐만 아니라 추정치(예: 오즈 비)와 95% 신뢰구간을 함께 제시한다. SPSS 등 몇몇 통계프로그램에서는 p-값이 매우 작은 경우 0.000으로 결과를 주는 경우가 있는데 이를 그대로 논문에 옮겨 적지 말고 이 경우는 <0.001 등으로 부등호를 이용하여 제시한다. 또한 p-값을 구할 수 있는 경우는 <0.05, <0.01로 표현하지 말고 원 p-값(예: 0.32)을 제시한다. 단, p-가 매우 작은 경우에만 p<0.001 등으로 표현할 수 있다. p-값이 유의하지 않은 경우라도 표에서 NS(not significant) 등으로 제시하지 말고 원 p값을 그대로 제시한다. 
   표, 그림, 본문에 사용되는 숫자의 소수점은 자료의 단위와 임상적으로 관련 있는 만큼 제시한다. 예를 들면, 혈압의 평균을 제시하는 경우 120 mmHG 또는 120.25 mmHg 둘 중 어떤 값을 제시하는 것이 더 일반적일까? 아마도 1 mmHG 미만의 값은 임상적으로 중요하지 않을 수 있다. 이 경우는 소수점을 제시하지 않아도 무방하다. 반대로 수소이온지수인 pH는 0.001 pH도 의미 있을 수 있다. 이 경우는 소수점 3자리 또는 4자리를 이용하여 값을 표현하여야 한다.
   그림으로 결과를 표현하는 경우에는 X축과 Y축의 단위를 포함한 변수설명을 명확히 제시하고 범례를 구체적으로 표시한다. 표를 작성할 때는 분석의 결과를 간결하고 명확하게 제시한다. 표의 구성에서 약어를 사용하는 경우에는 표 밑의 주석에 풀어서 써준다. 표 안에 기호를 이용하는 경우도 기호에 대한 설명을 명확히 써준다. 그림과 표의 표현에 있어 가장 중요한 점은 독자가 본문으로 돌아갈 필요 없이 표나 그림만을 보고도 저자가 무엇을 설명하는 지 이해할 수 있도록 작성하는 것이다. 이를 위해서는 표 또는 그림 밑의 주석을 충분히 이용하여 표 또는 그림을 명확히 설명하도록 한다.
   결론 부분에는 연구설계, 표본수, 일반화 등의 제약점을 기술한다. 이 때 주의할 점은 제약점을 결론의 처음에 기술하는 것이 아니라 연구의 강점, 논문이 주는 시사점 등을 먼저 설명한 후 연구의 제약점을 기술한다. 

결     론

   의학연구를 수행하고 타당한 결과를 도출하여 논문으로 출판하기 위해서는 먼저 명확하고 의미 있는 연구주제를 확립하고 이 연구주제에 맞는 올바른 연구설계를 하여야 한다. 연구설계대로 자료를 수집하고 적절한 통계분석법을 이용하여 결과를 도출하고 논문에 명확하게 통계방법과 결과를 기술하여 준다. 이 때 기준은 같은 자료가 있다면 독자들이 같은 통계방법을 시행할 수 있을 정도로 명확하게 기술한다. 마지막으로 Curran-Everett와 Benos¹⁾가 제시한 의학저널에 통계를 보고하는 10가지 가이드라인을 소개하니 논문작성에 도움이 되기 바란다.

   Guideline 1. If in doubt, consult a statistician when you plan your study.
   Guideline 2. Define and justify a critical significance level α appropriate to the goals of your study.
   Guideline 3. Identify your statistical methods, and cite them using textbooks or review papers.
   Guideline 4. Control for multiple comparisons.
   Guideline 5. Report variability using a standard deviation.
   Guideline 6. Report uncertainty about scientific importance using a confidence interval.
   Guideline 7. Report a precise P value. 
   Guideline 8. Report a quantity so the number of digits is commensurate with scientific relevance. 
   Guideline 9. In the Abstract, report a confidence interval and a precise P-value for each main result.
   Guideline 10. Interpret each main result by assessing the numerical bounds of the confidence interval and by considering the precise P-value.

1. Curran-Everett D, Benos DJ. Guidelines for reporting statistics in journals published by the American Physiological Society. Physiological Genomics 2004;18(3):249-51.