Ramos-Vera CA

Idioma: Español
Referencias bibliográficas: 10
Paginas: 1-2
Archivo PDF: 224.28 Kb.

FRAGMENTO

Señor Editor:

Las investigaciones clínicas reportadas en la presente revista emplean el marco estándar de las estadísticas frecuentistas basado en las hipótesis de significancia (p < 0,05). Este método conduce a una dicotomización de los resultados como "significativos" o "no significativos" que requieren evaluar la validez de las hipótesis estadísticas. Por lo cual es importante el uso del enfoque bayesiano, como una forma mejorada de extraer conclusiones estadísticas a partir de datos clínicos dado que facilita la respuesta a la pregunta, ¿cuál es la probabilidad de que el efecto sea concluyente según los datos?, que brinda una mayor validez a las conclusiones significativas. Por ejemplo, el uso del factor Bayes (FB), que estima la probabilidad de una hipótesis en relación con la otra (por ejemplo, hipótesis nula vs hipótesis alterna) (1), esto permite estimar el peso de la evidencia (10 veces el valor del logaritmo decimal del FB) (2), donde valores mayores a 20 son óptimos para la toma de decisiones clínicas de hallazgos significativos.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Ramos-Vera CA. Uso inclusivo de la conversión del tamaño de efecto y del factor Bayes en la investigación de cardiología y cirugía cardiovascular. Rev Cub Cardiol Cir Cardiovasc. 2021. 27(2). e1163

2. Weed DL. Weight of evidence: a review of concept and methods. Risk Anal. 2005;25(6):1545-57. doi: 10.1111/j.1539-6924.2005.00699.x

3. Ramos-Vera C. Essential statistical analyses beyond the Bayes factor in intensive care medicine research and COVID-19. Med Intensiva. doi: 10.1016/j.medin.2021.05.007.

4. Arbona-Haddad E, Tremont-Lukats IW, Gogia B, Rai PK; Bayesian Neurology Group-Texas (BNG-TX). COVID-19 encephalopathy, Bayes rule, and a plea for case-control studies. Ann Clin Transl Neurol. 2021;8(3):723-25. https://doi.org/10.1002/acn3.51288

5. Alonso Herrera A, Ceballos Alvarez A, Fuentes Herrera L, Perez Bravet K. Factores Asociados a la Mortalidad Intrahospitalaria en pacientes con Hipertensión Pulmonar en el Postoperatorio de la Cirugía Cardiaca. Rev Cub Cardiol Cir Cardiovasc. 2021. 27(1). Disponible en: http://revcardiologia.sld.cu/index.php/revcardiologia/article/view/1026

6. Jaynes ET. Probability theory: The logic of science. Cambridge University Press. 2003

7. Hulme OJ, Wagenmakers EJ, Damkier P, Madelung CF, Siebner HR, Helweg-Larsen J, et al. A Bayesian reanalysis of the effects of hydroxychloroquine and azithromycin on viral carriage in patients with COVID-19. Plos One. 2021;16(2): e0245048. https://doi.org/10.1371/journal.pone.0245048

8. Frost SA, Alexandrou E, Schulz L, Aneman A. Interpreting the results of clinical trials, embracing uncertainty: A Bayesian approach. Acta Anaesthesiol Scand. 2021;65(2):146-150. doi: 10.1111/aas.13725.

9. Zampieri FG, Casey JD, Shankar-Hari M, Harrell FE Jr, Harhay MO. Using Bayesian Methods to Augment the Interpretation of Critical Care Trials. An Overview of Theory and Example Reanalysis of the Alveolar Recruitment for Acute Respiratory Distress Syndrome Trial. Am J Respir Crit Care Med. 2021;203(5):543-52. https://doi.org/10.1164/rccm.202006-2381CP.

10. Ramos-Vera C. Las redes de correlación en la investigación de la hipertensión arterial y riesgo vascular. Hipertens Riesgo Vasc. doi: 10.1016/j.hipert.2021.02.001.