📊 statistics

Weighted Holm Procedures: Theory, Properties, and Recommendations

Dit artikel vergelijkt systematisch de gewogen Holm-procedure (WHP) en de gewogen alternatieve Holm-procedure (WAP), waarbij wordt aangetoond dat WHP uniform krachtiger is, beter monotone eigenschappen bezit en niet verbeterd kan worden zonder de controle van de familie-wise foutenratio te schenden, en biedt hierop gebaseerde praktische aanbevelingen.

Oorspronkelijke auteurs: Beibei Li, Wenge Guo

Gepubliceerd 2026-04-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Beibei Li, Wenge Guo

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Gouden Koers: Hoe je de juiste keuzes maakt in een medische test

Stel je voor dat je een grote medische studie doet. Je hebt een nieuwe medicijn getest op tien verschillende ziektes. Je wilt weten of het medicijn werkt. Maar er is een probleem: als je tien keer "ja" zegt tegen een toevalsresultaat, maak je waarschijnlijk een fout. In de statistiek noemen we dit het Familiestijlfout-risico (FWER). Je wilt dat dit risico onder controle blijft (bijvoorbeeld onder de 5%).

Nu is het zo dat niet alle tien ziektes even belangrijk zijn. Het redden van levens (bijvoorbeeld bij hartfalen) is belangrijker dan het verbeteren van de huidtextuur. Daarom geven onderzoekers aan elke ziekte een gewicht mee: een belangrijkere ziekte krijgt een zwaarder gewicht.

Het artikel van Beibei Li en Wenge Guo vergelijkt twee manieren om met deze gewichten om te gaan. Het is een strijd tussen twee methoden: WHP en WAP.

De twee kampioenen

Stel je een marathon voor met tien lopers. De organisatie wil de snelste lopers belonen, maar ze hebben ook een budget (de 5% foutmarge).

WAP (De "Objectieve" Jury):
Deze methode kijkt puur naar de tijd (de ruwe p-waarde) die de lopers hebben gelopen. De snelste loper krijgt de eerste kans om te winnen, ongeacht of hij een zwaar of licht gewicht had.
- Het nadeel: Soms is een loper die een heel zwaar gewicht had (een zeer belangrijke ziekte), net iets trager dan een loper met een licht gewicht. Omdat WAP puur naar de tijd kijkt, krijgt de belangrijke loper misschien geen kans, terwijl de onbelangrijke loper wél wordt beloond. Het voelt eerlijk, maar het is niet altijd slim.
WHP (De "Slimme" Coach):
Deze methode kijkt naar de tijd gedeeld door het gewicht. Stel je voor dat je de tijd van een loper deelt door hoe zwaar zijn rugzak is. Als iemand een enorme rugzak (een zeer belangrijke ziekte) draagt en toch snel loopt, scoort hij extreem hoog.
- Het voordeel: WHP geeft prioriteit aan de lopers met de zware rugzakken. Als ze maar een beetje goed presteren, krijgen ze de kans om te winnen.

Wat zeggen de auteurs?

De auteurs hebben deze twee methoden op de proef gesteld en komen tot een heel duidelijk oordeel: WHP is de winnaar.

Hier zijn de belangrijkste lessen, vertaald naar alledaags taal:

1. WHP is altijd sterker (De "Superkracht")
De auteurs bewijzen wiskundig dat WHP altijd minstens zo goed is als WAP, en vaak veel beter.

De analogie: Als WAP een loper mag laten winnen, mag WHP die loper ook laten winnen. Maar WHP laat soms meer lopers winnen die WAP zou hebben laten vallen. WHP mist nooit een kans die WAP wel had gezien.

2. De "Monotonie" (Het logische probleem)
In de wereld van statistiek is "monotonie" een fancy woord voor "logisch gedrag".

Als een loper sneller wordt (een betere p-waarde), zou hij nooit minder kans moeten hebben om te winnen.
WAP faalt hier: Soms, als een loper sneller wordt, kan het gebeuren dat hij door de complexe regels van WAP juist verliest. Dit voelt onlogisch en verwarrend.
WHP slaagt hier: Als een loper sneller wordt, wordt zijn kans om te winnen altijd groter. Het is logisch en voorspelbaar.

3. De Grafische Kaart (Voor de niet-wiskundigen)
Om dit uit te leggen aan artsen en managers die geen wiskundigen zijn, gebruiken de auteurs een grafische kaart.

Stel je een stamboom of een stroomdiagram voor. Je begint met een budget (de 5%). Als je een belangrijke ziekte "wint" (rejecteert), krijg je extra budget dat je kunt doorgeven aan de andere ziektes.
WHP en WAP hebben beide zo'n kaart, maar ze gebruiken de regels anders. De kaart van WHP is makkelijker te begrijpen en leidt tot betere resultaten.

4. De "Onverbeterbare" Methode
De auteurs tonen aan dat WHP optimaal is.

De analogie: Stel je voor dat je een auto hebt die precies op de limiet van de snelheid rijdt zonder een boete te krijgen. Je kunt hem niet sneller maken zonder dat je een boete krijgt. WHP is die auto. Je kunt de regels niet versoepelen om nog meer ziektes te "winnen" zonder dat het risico op een fout (de boete) te groot wordt.
WAP is alleen optimaal als de gewichten heel gelijkmatig zijn. Als je gewichten heel verschillend zijn (zoals in de echte wereld), is WAP niet meer de beste keuze.

Wat betekent dit voor de praktijk?

In de klinische praktijk (bijvoorbeeld bij medicijntests) willen artsen en onderzoekers zeker weten dat ze de juiste beslissingen nemen.

Vroeger: Mensen twijfelden soms tussen WAP (omdat het "objectief" leek) en WHP.
Nu: De auteurs zeggen: "Gebruik WHP."
- Het is logischer (geen rare omkeringen).
- Het vindt meer echte effecten (meer power).
- Het is veiliger (blijft altijd binnen de foutmarge).

Conclusie in één zin:
Als je verschillende medische tests doet met verschillende prioriteiten, gebruik dan de methode die rekening houdt met die prioriteiten in de volgorde (WHP), in plaats van alleen naar de snelheid te kijken (WAP). Het is de slimme, logische en veiligste keuze.

Titel: Gewogen Holm-procedures: Theorie, Eigenschappen en Aanbevelingen

1. Probleemstelling

In veel statistische toepassingen, met name in klinische studies, hebben hypothesen verschillende niveaus van belang. Dit motiveert het gebruik van gewogen meervoudige toetsingsprocedures (wMTPs) om de Familywise Error Rate (FWER) te controleren. Hoewel er verschillende methoden zijn ontwikkeld, zijn twee specifieke varianten van de gewogen Holm-procedure in de praktijk het meest gebruikelijk:

WHP (Weighted Holm Procedure): Gebaseerd op het ordenen van gewogen p-waarden ( $\tilde{P}_i = P_i / w_i$ ).
WAP (Weighted Alternative Holm Procedure): Gebaseerd op het ordenen van ruwe p-waarden ( $P_i$ ), waarbij de gewichten alleen de drempelwaarden beïnvloeden.

Hoewel WAP vaak als "objectiever" wordt beschouwd omdat de volgorde onafhankelijk is van de gewichten, is er onduidelijkheid over de relatieve prestaties, de theoretische eigenschappen (zoals monotonie) en de optimaliteit van beide methoden. Het artikel stelt de vraag welke procedure superieur is en onder welke voorwaarden.

2. Methodologie

De auteurs vergelijken WHP en WAP via vier fundamentele perspectieven:

Gesloten Toetsingsprocedures (CTP): Beide procedures worden geanalyseerd als CTPs om hun onderliggende statistische structuur te begrijpen.
Grafische Representaties: Er worden grafische methoden ontwikkeld (gebaseerd op Bretz et al., 2009) om beide procedures visueel weer te geven. Dit maakt het eenvoudiger om de procedures te communiceren met niet-statistici en de verschillen in hun update-strategieën te visualiseren.
Aangepaste p-waarden: Er worden formules afgeleid voor aangepaste gewogen p-waarden (voor WHP) en aangepaste p-waarden (voor WAP) om directe vergelijkingen mogelijk te maken.
Optimaliteit: Er wordt onderzocht of de procedures "optimaal" zijn, d.w.z. of de kritieke waarden kunnen worden verhoogd zonder de FWER-controle te schenden.

De analyse omvat ook theoretische bewijzen voor monotonie en consonantie, evenals uitgebreide simulatiestudies en analyses van reële klinische data.

3. Belangrijkste Bijdragen en Theoretische Resultaten

Uniforme Macht (Power):
De auteurs bewijzen dat WHP uniform machtiger is dan WAP. Dit betekent dat elke hypothese die door WAP wordt verworpen, ook door WHP wordt verworpen, maar het omgekeerde geldt niet altijd. WHP levert dus meer rejections op zonder de FWER te schenden.
Monotonie en Consonantie:
- WHP: Bezit de monotonie-eigenschap (het verlagen van een p-waarde verhoogt nooit het aantal verworpenen) en voldoet aan de monotonieconditie binnen de CTP-structuur. Dit maakt het consonant en efficiënter in implementatie.
- WAP: Mist de monotonie-eigenschap (zowel voor ruwe p-waarden als binnen de CTP-structuur). Dit is een significant nadeel. Echter, de auteurs tonen aan dat de CTP-representatie van WAP wel consonant blijft, wat computatiewegkorting mogelijk maakt, ondanks het gebrek aan monotonie.
Optimaliteit:
- WHP: Is onvoorwaardelijk optimaal. Het is onmogelijk om de kritieke waarden van WHP te vergroten zonder de FWER-controle te schenden, ongeacht de verdeling van de gewichten.
- WAP: Is alleen conditioneel optimaal. WAP is optimaal (in de zin dat kritieke waarden niet verder kunnen worden verhoogd) alleen als de verhouding tussen het kleinste en het grootste gewicht voldoet aan de voorwaarde: $\min(w_i) / \max(w_i) \geq \alpha$ . Bij extreme ongelijkheid in gewichten verliest WAP zijn optimaliteit.
Grafische Formulering:
De paper introduceert een gemeenschappelijke grafische startstructuur voor beide methoden, waarbij het enige verschil ligt in de volgorde van toetsing (gewogen vs. ruwe p-waarden). Dit biedt een intuïtief kader voor klinische teams.

4. Resultaten uit Simulaties en Data-analyse

Simulatiestudies:
De auteurs voerden simulaties uit met verschillende correlatiestructuren, aantallen hypothesen en informativiteit van de gewichten.
- FWER-controle: Alle procedures (WHP, WAP en de standaard Holm) hielden de FWER binnen het nominale niveau ( $\alpha = 0.05$ ).
- Macht: WHP presteerde consistent beter dan WAP in termen van gemiddelde macht. Het voordeel van WHP was het grootst bij sterk informatieve gewichten en een hoog aandeel valse nullen.
- Invloed van gewichten: Goed gekozen gewichten verhoogden de macht van beide procedures. Bij niet-informatieve gewichten presteerde de ongewogen Holm-procedure soms beter dan de gewogen varianten, maar WHP verloor hier minder macht dan WAP.
Reële Data Voorbeelden:
- ARDS-studie: Beide procedures verwierpen alle hypothesen, maar WHP leverde consequent kleinere aangepaste p-waarden op.
- Diabetes-studie: Bij een significatieniveau van 0.05 verwierp WHP vier hypothesen, terwijl WAP er slechts twee verwierp. Dit illustreert dat WHP de gewichtsverdeling efficiënter benut om extra behandeleffecten te detecteren.

5. Betekenis en Aanbevelingen

De conclusie van het artikel is ondubbelzinnig: WHP (Weighted Holm Procedure) moet de voorkeursmethode zijn in de praktijk.

Theoretische Superioriteit: WHP biedt sterkere theoretische garanties (uniforme optimaliteit en monotonie) dan WAP.
Empirische Prestaties: WHP levert consistent hogere macht op bij gelijke controle van de foutkans.
Praktische Toepasbaarheid: De grafische weergave en de afgeleide aangepaste p-waarden maken WHP toegankelijk voor toepassing in complexe klinische proeven.

De auteurs waarschuwen dat WAP, hoewel het soms als objectiever wordt gezien omdat de volgorde niet door gewichten wordt beïnvloed, statistisch inferieur is en kan leiden tot een verlies aan macht, vooral bij ongelijke gewichten. De studie onderstreept het belang van het zorgvuldig kiezen van gewichten op basis van a priori belang, aangezien dit de macht van beide procedures aanzienlijk kan beïnvloeden, maar WHP blijft de robuustste keuze.