Medicina Basada en la Evidencia

Estadística básica – 552 – Las opciones que nos ofrece el esquema son tres: test Z de comparación de proporciones, test de ji-cuadrado y test exacto de Fisher. La primera opción es la que em- pleamos en el apartado anterior de este capítulo, basa- da en la aproximación a la normal de la distribución de diferencias de proporciones. Mucho más popular y uti- lizada es la segunda opción: el test de ji-cuadrado (“ji” no “chi”, ya que la letra griega “χ” se lee “ji” en español). Es la que empleamos cuando buscamos asociación entre variables nominales, en general, tanto sean dicotómicas como politómicas, que podemos representar en una ta- bla de contingencia de 2 o más filas por 2 o más colum- nas. La tercera opción (test exacto de Fisher) se emplea cuando el tamaño muestral es pequeño y no se pueden utilizar los test anteriores, aunque puede ser empleada en cualquier circunstancia. En próximos capítulos se de- sarrollarán los fundamentos de estas pruebas. Variable nominal dicotómica frente a continua Comparación de medias entre dos grupos independientes (supuesto 4): En un estudio transversal se midió la presión arterial en una muestra de 1410 niños. Queremos saber si los niños con obesidad abdominal (índice cintura/talla ≥0,50) tienen una mayor presión arterial sistólica que los niños sin obesidad abdominal. Sigamos los pasos para elegir la prueba más adecuada en la Tabla 2 . ■ Las variables independiente y dependiente son: obe- sidad abdominal y presión arterial sistólica. ■ La variable independiente es nominal dicotómica con muestras independientes (primera fila). ■ La variable dependiente es continua (tercera columna). Para elegir el test estadístico más apropiado de cada contraste de hipótesis debemos considerar: las variables implicadas (2 o más; dependientes o independientes), las escalas de medida de estas variables, el número de grupos de estudio, si son independientes o relacionados y el tipo de contraste (unilateral o bilateral) La opción que nos ofrece el esquema es el test de la t de Student para muestras independientes. Debemos ad- vertir que para poder elegir las pruebas que aparecen en la tercera columna, bajo la cabecera de “Continua”, la variable debe ser continua (con escala de intervalos o razones) y seguir una distribución normal. Los test correspondientes se basan en estimaciones de proba- bilidad que emplean medidas de centralización (media) y dispersión (varianza o desviación típica), por lo que, si dichas medidas no tienen sentido en la variable ana- lizada, la interpretación de los resultados se verá com- prometida, aunque las estimaciones de probabilidad sean correctas (según el teorema central del límite para medias de variables continuas con tamaño muestral su- perior a 30). Así, mientras la comparación de medias de presión arterial entre grupos permite analizar las dife- rencias, podría no ser igualmente correcto comparar las medias de niveles de colesterol (variable que no suele seguir una distribución normal y cuya media podría es- tar sesgada). Si tenemos dudas sobre la validez de la comparación de medias tendríamos que elegir una de las pruebas situadas en la columna del medio, corres- pondiente a variables ordinales. LIMITACIONES DEL CONTRASTE DE HIPÓTESIS En los últimos años va creciendo una opinión crítica con el planteamiento categórico del contraste de hipótesis. Se critica fundamentalmente que la interpretación de los resultados de un estudio y, en consecuencia, la asunción de jerarquías de superioridad en la comparación de al- ternativas se sustente exclusivamente en un umbral de “significación estadística”, establecido arbitrariamente en el nivel de probabilidad 0,05 (5%). Un error muy co- mún, que observamos con frecuencia en textos y exposi- ciones científicas, es interpretar una p “no significativa” como una prueba de ausencia de efecto o asociación. También es frecuente interpretar una p “significativa” como una prueba de la existencia de un efecto o relación. Ni la ausencia de “significación estadística” (p mayor de 0,05) permite probar la hipótesis nula, ni la presencia de significación (p menor de 0,05) permite probar la hipó- tesis alternativa. Cualquier decisión sobre superioridad o inferioridad está sujeta a incertidumbre, que no se re- suelve en función de que la p sea superior o inferior a 0,05. La interpretación de los resultados requiere tener en cuenta otros factores, como la magnitud del efecto o asociación, la adecuación de las hipótesis contrastadas, los posibles errores cometidos en el diseño o ejecución del estudio y la validez de las asunciones inherentes a la prueba estadística empleada. Es preciso recordar que la significación estadística no informa de la dimensión o importancia de los resulta- dos, tan solo de la probabilidad de dichos resultados en el modelo planteado por la hipótesis nula. Si el tamaño del efecto encontrado en un estudio resulta insigni- ficante desde el punto de vista clínico, no importa su nivel de significación, ya que su aplicabilidad será cues- tionable. De hecho, cualquier diferencia, por pequeña que sea, puede alcanzar significación estadística, si el tamaño muestral del estudio es suficientemente gran- de. En este sentido, resulta más informativa la presen- tación de resultados como intervalos de confianza.