<![CDATA[Selecting an appropriate statistical analysis method is an important step in producing health research findings that are valid, transparent, and clinically meaningful. However, the choice of statistical methods is often based on habit, familiarity with available software options, or oversimplified rules. For example, parametric tests are commonly used for “normally” distributed data and nonparametric tests for data that are considered “non-normal.” Distributional assumptions are important in selecting statistical analyses, but relying on these assumptions as the sole basis for choosing a statistical test is inadequate. The selection of a statistical test should instead begin with the research question and study design, followed by consideration of other factors, such as the measurement scale of the dependent variable and the sample size. We conducted a methodological review of guidance on statistical method selection in health research to translate these considerations into a practical sequence of decisions. Through searches of the PubMed, Scopus, and Web of Science databases, we identified 102 records. After removing 45 duplicates, 57 unique records were screened. Of these, 15 full-text articles were assessed for eligibility, and ultimately 14 articles were included in the review. In addition, the SAMPL, STROBE, and CONSORT 2025 guidelines were used as references to inform the reporting component. The synthesis yielded 11 interrelated principles, which we introduce as the HealthStat-11 Model. This framework was developed to guide health researchers in selecting statistical methods, interpreting their analyses, and reporting statistical findings. HealthStat-11 is not an automated algorithm for selecting statistical tests. Rather, it is intended to make explicit the reasoning underlying analytical choices and to identify points at which statistical consultation may be warranted. Abstrak Pemilihan metode analisis statistik yang tepat merupakan langkah yang penting untuk menghasilkan hasil penelitian kesehatan yang valid, transparan, dan bermakna secara klinis. Akan tetapi, pemilihan metode penelitian sering didasarkan atas kebiasaan, menu aplikasi yang dikenal, atau aturan-aturan yang disederhanakan. Sebagai contoh, penggunaan uji parametik untuk data yang terdistribusi normal dan nonparametrik untuk yang “tidak normal”. Asumsi distribusi cukup penting dalam pemilihan analisis statistik, tetapi menggunakan asumsi ini sebagai satu-satunya dasar pemilihan uji statistik adalah kurang tepat. Keputusan pemilihan uji statistik sebaiknya dimulai dari pertanyaan penelitian dan desain penelitian, lalu mempertimbangkan aspek lainnya seperti jenis skala pengukuran untuk variabel dependen, hingga besaran sampel. Kami melakukan tinjauan metodologis terhadap panduan-panduan dalam pemilihan metode statistik di bidang kesehatan untuk menerjemahkan keputusan-keputusan tersebut dalam urutan yang praktis. Dari penelusuran database PubMed, Scopus, dan Web of Science, kami mengidentifikasi 102 artikel penelitian; setelah mengeluarkan 45 artikel duplikat, tersaring 57 artikel yang berbeda. Dari artikel-artikel tersebut, 15 artikel dengan teks lengkap dianalisis kelayakannya, dan pada akhirnya, 14 artikel dimasukkan dalam kajian. Selain itu, pedoman-pedoman SAMPL, STROBE, dan CONSORT 2025 juga digunakan sebagai acuan dalam penyusunan laporan penelitian. Dari hasil analisis tersebut, dihasilkan 11 prinsip-prinsip yang saling berkaitan, yang kami perkenalkan sebagai Model Healthstat-11. Kerangka ini dikembangkan untuk dapat memandu peneliti-peneliti kesehatan dalam memilih metode statistik, menginterpretasikan, hingga melaporkan analisis statistik. ealthStat-11 bukan merupakan algoritma otomatis untuk memilih uji statistik. Sebaliknya, kerangka ini bertujuan untuk memperjelas dasar penalaran yang mendukung suatu pilihan analisis serta mengidentifikasi tahapan ketika konsultasi statistik mungkin diperlukan.]]>
