ในทางการแพทย์และจิตวิทยาความสำคัญทางคลินิกคือความสำคัญในทางปฏิบัติของผลการรักษา ไม่ว่าจะเป็นผลที่แท้จริง สัมผัสได้ และสังเกตได้ในชีวิตประจำวัน^{[ 1 ]}

ความสำคัญทางสถิติใช้ในการทดสอบสมมติฐานโดยจะทดสอบสมมติฐานว่าง (ที่ว่าไม่มีความสัมพันธ์ระหว่างตัวแปร ) ^{[ 2 ]} จะเลือก ค่าระดับนัยสำคัญ (โดยทั่วไป คือ α = 0.05 หรือ 0.01) ซึ่งแสดงถึงความน่าจะเป็นของการปฏิเสธสมมติฐานว่างที่เป็นจริงอย่างไม่ถูกต้อง^{[ 2 ]} หากมีความแตกต่างอย่างมีนัยสำคัญระหว่างสองกลุ่มที่α = 0.05 หมายความว่ามีความน่าจะเป็นเพียง 5% ที่จะได้รับผลลัพธ์ที่สังเกตได้ภายใต้สมมติฐานว่าความแตกต่างนั้นเกิดจากโอกาสโดยบังเอิญทั้งหมด (เช่น สมมติฐานว่างเป็นจริง) ซึ่งไม่ได้บ่งชี้ถึงขนาดหรือความสำคัญทางคลินิกของความแตกต่าง^{[ 3 ]}เมื่อได้ผลลัพธ์ที่มีนัยสำคัญทางสถิติ ผลลัพธ์เหล่านั้นสนับสนุนการปฏิเสธสมมติฐานว่าง แต่ไม่ได้พิสูจน์ว่าสมมติฐานว่างเป็นเท็จ ในทำนองเดียวกัน ผลลัพธ์ที่ไม่มีนัยสำคัญไม่ได้พิสูจน์ว่าสมมติฐานว่างเป็นจริง และไม่ได้ให้หลักฐานใด ๆ เกี่ยวกับความจริงหรือความเท็จของสมมติฐานที่นักวิจัยสร้างขึ้น^{[ 2 ]} ความสำคัญทางสถิติเกี่ยวข้องกับความเข้ากันได้ระหว่างข้อมูลที่สังเกตได้กับสิ่งที่คาดหวังภายใต้สมมติฐานว่าสมมติฐานว่างเป็นจริงเท่านั้น

โดยทั่วไปแล้ว "ความสำคัญทางคลินิกเชิงปฏิบัติ" จะตอบคำถามว่าการแทรกแซงหรือการรักษาได้ผลดีเพียงใด หรือการรักษาทำให้เกิดการเปลี่ยนแปลงมากน้อยเพียงใด ในแง่ของการทดสอบการรักษาทางคลินิก ความสำคัญเชิงปฏิบัติจะให้ข้อมูลเชิงปริมาณเกี่ยวกับความสำคัญของการค้นพบ โดยใช้ตัวชี้วัด เช่น ขนาดผลกระทบจำนวนที่ต้องรักษา (NNT) และสัดส่วนการป้องกัน [ ^{4 ] ความ}สำคัญเชิงปฏิบัติอาจสื่อถึงการประเมินประโยชน์แบบกึ่งเชิงปริมาณ เปรียบเทียบ หรือความเป็นไปได้ด้วย

ขนาดผลกระทบเป็นประเภทหนึ่งของความสำคัญเชิงปฏิบัติ^{[ 4 ] [ 5 ]}โดยจะวัดขอบเขตที่ตัวอย่างเบี่ยงเบนจากความคาดหวัง^{[ 6 ]}ขนาดผลกระทบสามารถให้ข้อมูลสำคัญเกี่ยวกับผลลัพธ์ของการศึกษา และแนะนำให้รวมไว้นอกเหนือจากความสำคัญทางสถิติ ขนาดผลกระทบมีแหล่งที่มาของอคติของตัวเอง อาจเปลี่ยนแปลงได้ตามความแปรปรวนของประชากรของตัวแปรตาม และมักจะเน้นที่ผลกระทบของกลุ่ม ไม่ใช่การเปลี่ยนแปลงของแต่ละบุคคล^{[ 5 ] [ 7 ] [ 8 ]}

แม้ว่าความสำคัญทางคลินิกและความสำคัญในทางปฏิบัติมักจะถูกใช้ในความหมายเดียวกัน แต่การใช้ที่จำกัดในเชิงเทคนิคมากขึ้นบ่งชี้ว่าการใช้เช่นนั้นเป็นความผิดพลาด^{[ 5 ]} การใช้ในเชิงเทคนิคนี้ในด้านจิตวิทยาและจิตบำบัดไม่เพียงแต่เป็นผลมาจากความแม่นยำและความเฉพาะเจาะจงของภาษาที่ร่างขึ้นอย่างระมัดระวังเท่านั้น แต่ยังช่วยให้เกิดการเปลี่ยนมุมมองจากผลกระทบของกลุ่มไปสู่รายละเอียดของการเปลี่ยนแปลงภายในตัวบุคคล

ในทางตรงกันข้าม เมื่อใช้เป็นศัพท์เฉพาะทางในสาขาจิตวิทยาและจิตบำบัด ความสำคัญทางคลินิกจะให้ข้อมูลว่าการรักษาได้ผลเพียงพอที่จะเปลี่ยนแปลงการวินิจฉัยโรคของผู้ป่วยหรือไม่ ในแง่ของการศึกษาการรักษาทางคลินิก ความสำคัญทางคลินิกจะตอบคำถามว่า "การรักษาได้ผลเพียงพอที่จะทำให้ผู้ป่วยกลับมาเป็นปกติ [ตามเกณฑ์การวินิจฉัยที่เกี่ยวข้อง] หรือไม่"

ตัวอย่างเช่น การรักษาอาจเปลี่ยนแปลงอาการซึมเศร้าได้อย่างมีนัยสำคัญ (นัยสำคัญทางสถิติ) การเปลี่ยนแปลงนั้นอาจเป็นการลดลงอย่างมากของอาการซึมเศร้า (นัยสำคัญในทางปฏิบัติ - ขนาดผลกระทบ) และผู้ป่วย 40% ไม่เข้าเกณฑ์การวินิจฉัยโรคซึมเศร้าอีกต่อไป (นัยสำคัญทางคลินิก) เป็นไปได้มากที่จะมีการรักษาที่ให้ผลลัพธ์ที่แตกต่างอย่างมีนัยสำคัญและมีขนาดผลกระทบปานกลางหรือมาก แต่ไม่สามารถเปลี่ยนผู้ป่วยจากภาวะบกพร่องไปสู่ภาวะปกติได้

ในสาขาจิตวิทยาและจิตบำบัดความสำคัญทางคลินิกได้รับการเสนอครั้งแรกโดย Jacobson, Follette และ Revenstorf ^{[ 9 ]}เพื่อตอบคำถามว่าการบำบัดหรือการรักษาได้ผลดีเพียงพอหรือไม่จนทำให้ผู้รับบริการไม่ตรงตามเกณฑ์การวินิจฉัย ต่อมา Jacobson และ Truax ได้นิยามความสำคัญทางคลินิกว่า "ขอบเขตที่การบำบัดทำให้บุคคลหนึ่งๆ หลุดพ้นจากขอบเขตของประชากรที่มีความผิดปกติหรืออยู่ในขอบเขตของประชากรที่มีการทำงาน" ^{[ 10 ]}พวกเขาเสนอองค์ประกอบสองส่วนของดัชนีการเปลี่ยนแปลงนี้ ได้แก่ สถานะของผู้ป่วยหรือผู้รับบริการหลังจากการบำบัดเสร็จสิ้น และ "การเปลี่ยนแปลงที่เกิดขึ้นมากน้อยเพียงใดในระหว่างการบำบัด" ^{[ 10 ]}

ความสำคัญทางคลินิกก็เป็นสิ่งที่ต้องพิจารณาเมื่อตีความผลการประเมินทางจิตวิทยาของแต่ละบุคคล บ่อยครั้งที่คะแนนหรือคะแนนย่อยจะมีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ ซึ่ง ไม่น่าจะเกิดขึ้นโดยบังเอิญ อย่างไรก็ตาม ความแตกต่างที่มีนัยสำคัญทางสถิติเหล่านั้นไม่ได้มีความสำคัญทางคลินิกเสมอไป เนื่องจากไม่ได้อธิบายข้อมูลที่มีอยู่เกี่ยวกับผู้รับบริการ หรือไม่ได้ให้แนวทางที่เป็นประโยชน์สำหรับการแทรกแซง ความแตกต่างที่มีขนาดเล็กมักจะขาดความเกี่ยวข้องในทางปฏิบัติและไม่น่าจะมีความสำคัญทางคลินิก ความแตกต่างที่พบได้ทั่วไปในประชากรก็ไม่น่าจะมีความสำคัญทางคลินิกเช่นกัน เพราะอาจสะท้อนถึงระดับความแปรปรวนตามปกติของมนุษย์ นอกจากนี้ แพทย์ยังมองหาข้อมูลในข้อมูลการประเมินและประวัติของผู้รับบริการที่ยืนยันความเกี่ยวข้องของความแตกต่างทางสถิติ เพื่อสร้างความเชื่อมโยงระหว่างผลการทดสอบเฉพาะกับการทำงานโดยทั่วไปของแต่ละบุคคล^{[ 11 ] [ 12 ]}

เช่นเดียวกับที่มีวิธีการมากมายในการคำนวณความสำคัญทางสถิติและความสำคัญในทางปฏิบัติ ก็มีวิธีการมากมายในการคำนวณความสำคัญทางคลินิก วิธีการทั่วไปห้าวิธี ได้แก่ วิธี Jacobson-Truax วิธี Gulliksen-Lord-Novick วิธี Edwards-Nunnally วิธี Hageman-Arrindell และการสร้างแบบจำลองเชิงเส้นแบบลำดับชั้น^{[ 5 ]}

Jacobson-Truax เป็นวิธีการทั่วไปในการคำนวณความสำคัญทางคลินิก โดยเกี่ยวข้องกับการคำนวณดัชนีการเปลี่ยนแปลงความน่าเชื่อถือ (RCI) ^{[ 10 ]} RCI เท่ากับความแตกต่างระหว่างคะแนนก่อนและหลังการทดสอบของผู้เข้าร่วม หารด้วยค่าความคลาดเคลื่อนมาตรฐานของความแตกต่าง คะแนนตัดจะถูกกำหนดขึ้นเพื่อจัดผู้เข้าร่วมให้อยู่ในหนึ่งในสี่ประเภท ได้แก่ หายดี ดีขึ้น ไม่เปลี่ยนแปลง หรือแย่ลง ขึ้นอยู่กับทิศทางของ RCI และว่าถึงคะแนนตัดหรือไม่

วิธี Gulliksen-Lord-Novick ^{[ 13 ]}คล้ายกับ Jacobson-Truax ยกเว้นว่าต้องคำนึงถึงการถดถอยสู่ค่าเฉลี่ยด้วย โดยจะทำการลบคะแนนก่อนและหลังการทดสอบออกจากค่าเฉลี่ยของประชากร แล้วหารด้วยค่าเบี่ยงเบนมาตรฐานของประชากร^{[ 5 ]}

วิธีการของ Edwards-Nunnally ^{[ 14 ]}ในการคำนวณความสำคัญทางคลินิกเป็นทางเลือกที่เข้มงวดกว่าวิธีการของ Jacobson-Truax ^{[ 5 ]}คะแนนความน่าเชื่อถือใช้เพื่อทำให้คะแนนก่อนการทดสอบเข้าใกล้ค่าเฉลี่ยมากขึ้น จากนั้นจึง สร้าง ช่วงความเชื่อมั่นสำหรับคะแนนก่อนการทดสอบที่ปรับแล้วนี้ ช่วงความเชื่อมั่นใช้เมื่อคำนวณการเปลี่ยนแปลงจากก่อนการทดสอบไปหลังการทดสอบ ดังนั้นการเปลี่ยนแปลงคะแนนจริงที่มากขึ้นจึงจำเป็นต่อการแสดงความสำคัญทางคลินิก เมื่อเทียบกับวิธีการของ Jacobson-Truax

การคำนวณความสำคัญทางคลินิก ของ Hageman-Arrindell ^{[ 15 ]}เกี่ยวข้องกับดัชนีการเปลี่ยนแปลงของกลุ่มและการเปลี่ยนแปลงของแต่ละบุคคล ความน่าเชื่อถือของการเปลี่ยนแปลงบ่งชี้ว่าผู้ป่วยมีอาการดีขึ้น คงที่ หรือแย่ลง ดัชนีที่สองคือความสำคัญทางคลินิกของการเปลี่ยนแปลง ซึ่งระบุสี่ประเภทที่คล้ายกับที่ Jacobson-Truax ใช้ ได้แก่ อาการแย่ลง ไม่เปลี่ยนแปลงอย่างน่าเชื่อถือ ดีขึ้นแต่ไม่หาย และหายดี

HLM เกี่ยวข้องกับการวิเคราะห์เส้นโค้งการเติบโตแทนการเปรียบเทียบก่อนและหลังการทดสอบ ดังนั้นจึงจำเป็นต้องมีข้อมูลสามจุดจากผู้ป่วยแต่ละราย แทนที่จะมีเพียงสองจุด (ก่อนและหลังการทดสอบ) ^{[ 5 ]}โปรแกรมคอมพิวเตอร์ เช่น Hierarchical Linear and Nonlinear Modeling ^{[ 16 ]}ใช้ในการคำนวณค่าประมาณการเปลี่ยนแปลงสำหรับผู้เข้าร่วมแต่ละคน HLM ยังช่วยให้สามารถวิเคราะห์แบบจำลองเส้นโค้งการเติบโตของคู่และกลุ่มได้

• โคเฮนส์h
• สถิติทางการแพทย์
• ความแตกต่างทางคลินิกที่สำคัญขั้นต่ำ