medigraphic.com
ISSN 1561-302X (Impreso)

2021, Número 4

<< Anterior Siguiente >>

Rev cubana med 2021; 60 (4)


Beneficios de la conversión de los tamaños de efecto y el factor Bayes en investigaciones de ciencias de la salud

Ramos-Vera CA

Idioma: Español
Referencias bibliográficas: 12
Paginas: 1-4
Archivo PDF: 201.93 Kb.


FRAGMENTO

Sr. director:

Los investigadores médicos, comúnmente, informan los efectos de un tratamiento o describen relaciones entre variables. Los efectos o asociaciones entre dos variables se pueden cuantificar utilizando medidas como diferencias de medias, proporciones de riesgo o correlaciones. Las pruebas de significación de hipótesis nulas (NHST, siglas en inglés) basados en valores p<0,05 se han utilizado sin algún otro criterio para reportar conclusiones clínicas; sin embargo, estas se han cuestionado, pues se requiere proporcionar información sobre la magnitud o importancia del efecto. Por lo tanto, se debe reforzar la estadística con estimaciones más plausibles como el tamaño de efecto (TE) en la investigación en ciencias de la salud.
Concretamente, los TE cuantifican la presencia del fenómeno analizado. En general, se utilizan las magnitudes de efecto estandarizadas como el coeficiente de correlación (r) o la diferencia de media estandarizada (d) cuando se incluyen diferentes escalas de medición entre los estudios, mientras que los tamaños de los efectos no estandarizados como el coeficiente de probabilidad (OR) y el riesgo relativo (RR) se suelen reportar en investigaciones con resultados binarios.(3) Esta inclusión es esencial en las pruebas de significación para una interpretación más adecuada de los resultados y sus implicaciones. Los TE son considerados componentes fundamentales para la integración de los diferentes resultados a través del metaanálisis.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Brydges CR. Effect size guidelines, sample size calculations, and statisticalpower in gerontology. Innov Aging. 2019;3(4):igz036. DOI:https://doi.org/10.1093/geroni/igz036

  2. Lovell DP. Null hypothesis significance testing and effect sizes: can we effecteverything or anything? Curr Opin Pharmacol. 2020;51:68-77. DOI:https://doi.org/10.1016/j.coph.2019.12.001

  3. Borenstein M, Hedges LV, Higgins JPT, Rothstein HR. Introduction to Metaanalysis.West Sussex, United Kingdom: John Wiley & Sons, Ltd; 2009.

  4. Field AP, Gillett R. How to do a meta-analysis. Br J Math Stat Psychol.2010;63:665-94. DOI: https://doi.org/10.1348/000711010X502733

  5. Lenhard W, Lenhard A. Calculation of effect sizes. Dettelbach: 2016[acceso:13/01/2020]. Disponible en: https://www.psychometrica.de/effect_size.html

  6. Campbell M. Effect sizes for relationships between variables. African Journal ofMidwifery and Women s Health. 2018;12(4):162-7. DOI:https://doi.org/10.12968/ajmw.2018.12.4.162

  7. Ramos Vera CA. La alternativa metodológica del factor Bayes en lainvestigación clínica de nutrición. Rev Esp Nutr Hum Diet. 2020;24(4):401-3. DOI:https://doi.org/10.14306/renhyd.24.4.1231d

  8. Ramos Vera CA. Replicación bayesiana: cuán probable es la hipótesis nula ehipótesis alterna. Edu Méd. 2020. DOI:https://doi.org/10.1016/j.edumed.2020.09.014

  9. Goss Sampson MA. Bayesian Inference in JASP: A guide for students. Universityof Amsterdam: JASP team; 2020. DOI: http://dx.doi.org/10.17605/OSF.IO/CKNXM

  10. Schönbrodt FD, Wagenmakers EJ. Bayes factor design analysis: planning forcompelling evidence. Psychon Bull Rev. 2018;25:128-42. DOI:https://doi.org/10.3758/s13423-017-1230-y

  11. Fonte Sevillano T. Deterioro cognitivo leve en personas mayores de 85 años.Rev Cubana Med. 2020[acceso: 13/01/2020];59(1):e1314. Disponible en:http://www.revmedicina.sld.cu/index.php/med/article/view/1314

  12. Copay AG, Subach BR, Glassman SD, Polly DW Jr, Schuler TC. Understandingthe minimum clinically important difference: a review of concepts and methods.Spine J. 2007;7(5):541-6. DOI: https://doi.org/10.1016/j.spinee.2007.01.008




2020     |     www.medigraphic.com