Multiple-Testing Correction (FDR / Bonferroni / Holm)
Running many hypothesis tests at once (multiple markers, multiple subgroups, omics) inflates false positives in the raw p-values. This tool gives four corrections at once: Bonferroni and Holm (controlling the family-wise error rate, FWER), Benjamini-Hochberg (controlling the false discovery rate, FDR) and Benjamini-Yekutieli (FDR under dependence).
① Paste p-values
One p-value per line (or separated by spaces/commas), in the range 0–1.
Mode d'emploi et méthodologie
Quand la correction des tests multiples est-elle requise ?
Lorsqu'une étude mène de nombreux tests d'hypothèses et en tire des conclusions « significatif ou non » (plusieurs critères/sous-groupes/marqueurs, omiques haut débit). Regarder uniquement un critère principal pré-spécifié ne nécessite en général pas de correction globale.
Bonferroni ou FDR (BH) ?
Pour contrôler strictement « tout faux positif », utilisez le FWER (Bonferroni/Holm) ; si vous tolérez une certaine proportion de faux positifs parmi les résultats significatifs et voulez plus de puissance de découverte, utilisez le FDR (BH). Les données exploratoires de haute dimension utilisent en général BH.
Quelle est la différence entre BH et BY ?
BH suppose des tests indépendants ou positivement corrélés ; lorsque les tests peuvent être arbitrairement corrélés, BY multiplie par un facteur Σ1/i pour un contrôle FDR plus conservateur, au prix de moins de résultats significatifs.
La valeur p corrigée (q-value) peut-elle être rapportée directement ?
Oui. Le tableau donne pour chaque méthode la p/q corrigée ; comparez-la à α pour juger la significativité. C'est plus intuitif et vérifiable que de ne rapporter qu'un « seuil corrigé ».
Collez le lien dans Slack, Teams, X ou LinkedIn — l’aperçu utilise la carte Open Graph de cette page.