検定をする

個人的には自由度の高さからRでやっていますがプログラムが面倒なのでできる範囲はEZRでいいかもしれません。ただ、EZRでできない部分もありますので悩むところです・・・。検定をしてp<0.05になると数学的には差があると言われます。でも、サンプルを何倍とかし続けるとp<0.05にいつかなります（たぶん）。それでは差があっても微妙な差しかないかもしれません。そこで効果量を調べて臨床的に意味がありそうかどうかを考えます。
どの程度のサンプルサイズが必要なのかはパワーアナリシスとかで計算を行って決めます。検出力80%、誤差5%の設定が一般的のようです。
適切なサンプルサイズが決まったら検定にGO!!です。

サンプルなんかないし、増やせないよという方、そんなことはざらにあります。問題ない（ことはないけど仕方ない）ので次へどうぞ。

教科書的によく出てくるMann-WhitneyのU検定

よく使うWelchのt検定とあまり名前を聞かないBrunner-Munzel検定

並べかえBrunner-Munzel検定という衝撃

並び替え検定って何をしているの？

クロス集計表に悩む（χ2検定）

最後に、p値を探すのはやめましょう。適切なモデリングをしないと誤差が大きくなり、意味のないp値を探す作業になります。社会的にも科学的にも意味がありません。