Medicina Basada en la Evidencia

Pruebas no paramétricas… – 605 – de los rangos de Wilcoxon. De hecho, RCommander, aunque la denomina prueba de Wilcoxon para dos muestras independientes, lo que realmente hace es el contraste con la U de Mann-Whitney. En el Anexo 4 se puede ver cómo se realiza con RCom- mander utilizando la base de datos de este capítulo. En la ventana de salida de datos obtenemos las dos medianas de cada grupo, la comparación bilateral, el contraste entre IMC y tabaquismo, la prueba que es- tamos realizando (Wilcoxon Rank sum exact test), el estadístico de contraste, la U de Mann-Whitney, que R lo llama W = 1 y la p = 0,0333, exactamente igual que la realizada anteriormente de forma manual. Al final nos informa de que la hipótesis alternativa es que la verdadera localización de la diferencia de los valores es distinta de 0 (en este caso, la diferencia de media- nas es distinta de 0). Como conclusión, tenemos que el IMC presenta valores más elevados de forma signi- ficativa ( p = 0,033) en los niños con padres fumadores que en los no fumadores. La prueba de la suma de rangos de Wilcoxon y la prueba de la U de Mann-Whitney, aunque matemáticamente son distintas, ofrecen resultados idénticos, por lo que también podemos encontrarla con el nombre de prueba de Mann–Whitney–Wilcoxon Vemos, pues, que, aunque con estadísticos de contras- tes distintos, ambas pruebas, la de suma de rangos de Wilcoxon y Mann-Whitney, ofrecen resultados idénticos, la elección depende del paquete estadístico que use- mos. Se recomienda, en general, utilizar la prueba de la U de Mann-Whitney porque es la más usada por los paquetes estadísticos y para diferenciarla de la de ran- gos con signo de Wilcoxon para muestras emparejadas. RCommander no nos ofrece el intervalo de confianza de las diferencias de las medianas. Si estamos inte- resados en conocerla se puede realizar mediante co- mandos de sintaxis. Basta con introducir en la consola de RCommander: wilcox.test (IMC~Tabaquismo, conf. int=TRUE) y el programa nos devuelve el intervalo de confianza del 95% (IC 95): -11,9 a -0,009, que no incluye el valor nulo (0). Por lo tanto, rechazamos la hipótesis nula de igualdad entre los dos grupos. 3. Prueba no paramétrica de tendencia central para comparar más de dos muestras. Prueba de Kruskall-Wallis Es la generalización de la prueba de U de Mann-Whitney para comparar más de dos (K) grupos independientes. No se precisa que las distribuciones de los grupos en cada categoría sigan una distribución normal ni homo- geneidad de las varianzas. Es la prueba alternativa no paramétrica del análisis de la varianza (ANOVA) cuando las variables son ordinales, el tamaño de la muestra es pequeño, no existe normalidad en los residuales y las va- rianzas de los grupos son muy heterogéneas. Presenta el inconveniente de que es menos potente (menos proba- bilidad de encontrar diferencias cuando en verdad exis- ten) que el ANOVA, si se cumplen los supuestos de esta, y no permite la construcción de intervalos de confianza de forma directa. Al igual que la prueba de Mann-Whitney, se ordenan de menor a mayor las observaciones y se le asigna un rango a cada una. La hipótesis nula es que la probabilidad en alguna localización (normalmente la mediana) en los tres grupos sea la misma. Veamos un ejemplo: Queremos saber si hay relación entre la gravedad del asma y el IMC. En nuestra base de datos, elegimos la variable Gravedad.asma codificada como ordinal (le- ve-moderado-grave) y la variable IMC. En primer lugar, realizamos la prueba de normalidad, como ya cono- cemos, entre la variable IMC y Gravedad.asma ( Ane- xo 5 ) y obtenemos una p = 0,0135 en la categoría de asma moderado. Al no seguir una distribución normal y tener un tamaño muestral muy pequeño, debemos recurrir a una prueba no paramétrica. Las pruebas no paramétricas más usadas son la U de Mann Whitney y la prueba de suma de rangos de Wilcoxon para la comparación de dos muestras independientes, Kruskall-Wallis para más de dos muestras, correlación de Spearman y la prueba de los rangos con signo de Wilcoxon para medidas repetidas En el Anexo 6 se presenta la prueba de Kruskall-Wallis realizada con RCommander. En la ventana de resultados observamos las medianas de las tres categorías que claramente son mayores en el grupo grave (18,95), siendo muy parecidas en las de leve (15,15) y moderado (15,56), con una p = 0,018 (<0,05). Se interpreta como que existen diferencias estadísticas significativas en el IMC en función de la gravedad del asma. RCommander no nos ofrece contrastes a posteriori , como en el ANOVA, por lo que no es posible conocer si existen diferencias significativas entre las variables comparadas dos a dos, aunque se puede realizar una comparación post hoc mediante el test de Wilcoxon dos a dos mediante la sintaxis: pairwise.wilcox.test(fundam_no_param$IMC, fundam_no_param$Gravedad.asma, p.adjust.method = “bonferroni”). En la ventana “Salida” vemos que no existen diferen- cias significativas al compararlas de dos en dos (rela- ción asma grave frente a leve p = 0,17; grave frente a moderado p = 0,17 y moderado frente a leve p = 0,30).