Libro Medicina Basada en Evidencias MBE Alberto Narvaez | Page 126

3. EVALUACIÓN DEL DISEÑO DE ANÁLISIS ESTADÍSTICO
Y DEL ANÁLISIS DE DATOS
3.1. REVISIÓN DEL DISEÑO DE ANÁLISIS DE DATOS
Antes de revisar las tablas o gráficos se debe primero leer como el autor analizó los datos
en la sección metodología. En el capítulo metodología debe constar el diseño de estudio,
las variables y el diseño del análisis; esta información debe ser contrastada con las
hipótesis u objetivos del estudio y analizar si el análisis corresponde a las mismas.
Si la hipótesis u objetivo es descriptivo, se debe realizar análisis univarial, pero si es
explicativo o de asociación se deberá haber realizado análisis bivarial o multivarial. En
este segundo caso es importante reconocer como se clasificaron las variables de acuerdo
a su ubicación causal, ¿Cuál o cuáles son dependientes (o efecto) y cuáles
independientes (factores de riesgo o exposiciones)? y dentro de estas cuál es la variable
antecedente simple o causal directa, las intervinientes (cofactores y moderadoras o
interacción) y las perturbadoras, etc.
Analice si el diseño planteado coincide con las tablas y gráficos, considerando la
exposición, los efectos y los potenciales variables de confusión o perturbadoras y
variables moderadoras.
Observe como se definieron los subgrupos y categorías de cada una de las variables. Las
forma de estructurar subgrupos se debe basar en: i) los conocimientos que se tiene sobre
el objeto de estudio, ii) las hipótesis biológicas de importancia y iii) de la manera en que
el estudio va a ser (o fue) conducido. Los estudios tienen mayor posibilidad de ser útiles si
el análisis toma en cuenta asociaciones y pruebas de hipótesis, basadas en la biología
más que en la mecánica (o electrónica), comparando toda posible exposición (variable
independiente) con cada daño o efecto posible (variable dependiente).
3.2. EVALUACIÓN DEL ANÁLISIS DE DATOS
3.1.1. REGLAS PARA LEER EL ANÁLISIS DE DATOS
Tres son las reglas más importantes a seguir en la lectura del análisis de datos:
1. El análisis de datos debe ir desde lo simple a lo complejo, las técnicas de análisis
sofisticadas no pueden reparar una información de mala calidad (mala representatividad,
sesgo sistemático, sesgos por falta de respuestas de los encuestados). Por ello es
importante primero analizar la información más simple.
2. Evaluar la consistencia de la información, que implica evaluar la presencia de valores
imposibles o fuera de rango, duplicados, datos extraños y el porcentaje de no respuesta
(datos en blanco).
Tanto las tablas simples como la representación gráfica permiten observar los valores que
difieren ostensiblemente del resto (valores extraños o fuera de rango) y los llamados
valores imposibles.
2