Jatkuvien muuttujien pilkkomisesta koituu vain

haittoja ilman hyötyjä.

Lääketieteellisissä tutkimuksissa raportoidaan usein lähtömuuttujan vaikutusta tulosmuuttujaan ja tehdään ns. alaryhmäanalyysejä kolmannen muuttujan näkökulmasta.

Yleisimpien suhteellisten vaikutus-kokojen, kuten riskisuhteen, kerroinsuhteen tai vaarasuhteen, tulkinta puhtaasti kategorisille muuttujille ja luokkamuuttujille on suoraviivaista. Tutkimuksessa voidaan esimerkiksi raportoida, että "kuoleman riski on suurentunut miespotilailla (riskisuhde 1,3; 95 %:n LV 1,1–1,5)". Koska sukupuoli tai tietyn sairauden olemassaolo on yksiselitteinen, myös tulosten tulkinta on selkeää.

Erittäin suuri ja edelleen yleinen ongelma on jatkuvien muuttujien pilkkominen kategorisiksi tai luokkamuuttujiksi (1). Yleisin esimerkki tästä lienee iän pilkkominen kahteen tai useampaan luokkaan. 60 tai 65 vuotta on usein käytetty raja-arvo, jos käytetään kahta luokkaa; esimerkiksi että "yli 65 vuoden ikäisillä oli suurentunut riski uusintaleikkaukselle (vaarasuhde RR 1,5; 95 %:n LV 1,1–1,9)". Toisaalta usein raportoidaan hyvin ympäripyöreästi, että "iällä oli vaikutusta uusintaleikkausriskiin".

Jatkuvien muuttujien pilkkominen kategorisiksi ei ole koskaan suotavaa, eikä sillä saavuteta mitään hyötyjä. Muuttuja on tehokkainta analysoida siinä muodossa kuin se on mitattu (2).

Vain haittoja, ei hyötyjä

Pilkkominen vaatii jonkin raja-arvon, jonka perusteella jako tehdään. Se on aina enemmän tai vähemmän mielivaltainen päätös, ja sitä voidaan harvoin kovin vahvasti perustella. Keskiarvo- tai mediaaniperusteiset jaot ovat yleisiä, vaikka niille ei ole mitään oikeutusta. Koska raja-arvon valinta on satunnaista ja vaihtelee, jatkuvien muuttujien pilkkominen heikentää tutkimusten yleistä toistettavuutta ja keskinäistä vertailua.

Pilkkominen heikentää myös analyysien tilastollista voimaa, koska se vähentää aineiston informaatioarvoa. Mitä parempi aineiston informaatio on, sitä laadukkaampia analyysejä siitä voidaan tehdä. Pilkkominen mediaanin kohdalta on sama kuin jättäisi aineistosta kolmasosan pois (3).

Lisäksi pilkkominen johtaa tuloksiin, jotka ovat epäloogisia ja epäintuitiivisia. Oletetaan, että tutkimus raportoi kaksinkertaisen uusintaleikkausriskin 65 ikävuoden jälkeen. Jos toinen potilaasi on 64-vuotias ja toinen 66-vuotias, onko loogista olettaa, että vanhemmalla potilaalla on kaksinkertainen uusintaleikkausriski? Entä jos toinen potilas on 66-vuotias ja toinen 92-vuotias? Tuloksen perusteella heillä riski olisi yhtä suuri, mikä tuntuu epäloogiselta.

Jatkuvien muuttujien pilkkominen on tehotonta aineiston hyödyntämistä. Vain muutaman kategoriaan pilkkominen ei edistä sitä, että aineistosta löytyisi uusia tai aiemmin kuvaamattomia yhteyksiä kahden muuttujan välillä, kuten erilaisia annos-vastesuhteita. Epälineaariset analyysimenetelmät saattavat antaa aivan uudenlaisia näkökulmia kerättyyn aineistoon.

Jatkuvat muuttujat pitää analysoida jatkuvina. Tuloksissa pitäisi raportoida esimerkiksi yhden vuoden tai yhden BMI-yksikön vaikutus tulostapahtuman riskisuhteeseen tai kerroinsuhteeseen. Tämäntyyppisen tuloksen hyödyntäminen edellä olevissa esimerkeissä on paljon hyödyllisempää, koska 2 vuoden tai 26 vuoden ero skaalautuu loogiseksi jatkumoksi pienestä riskierosta selkeästi suurempaan.

Jatkuvien muuttujien pilkkomisella eli luokittelulla ei siis ole saavuteta mitään etuja (2,3,4). Miksi raportoisimme tulosmuuttujia satunnaisiin luokkiin jakaen? Emmehän me vastaanotollakaan määritä potilaan iäksi "alle 65 vuotta" tai painoindeksiksi "yli 30" vaan laskemme kalenteri-iän sellaisenaan ja mittaamme painoindeksin.