Libro Medicina Basada en Evidencias MBE Alberto Narvaez | Page 185

En otro ejemplo, en un IC95% de -1 < 10 < 17, el cero (0) está dentro del intervalo, por lo
que aceptamos la Ho y rechazamos la Ha, por lo tanto el resultado no es estadísticamente
significativo. De igual manera si se tiene el un IC95% de 0.7 < 10 < 17 aunque el
resultado es estadísticamente significativo, el rechazar la Ho existe una alta posibilidad de
cometer un Error Tipo I.
En resumen en este ejemplo, si el valor 0 de la diferencia de promedios cae entre el
intervalo de confianza se concluye que no hay efecto, si cae fuera del rango nosotros
concluimos que la no presencia de efecto es improbable, esto es equivalente a decir que
los resultados fueron estadísticamente significativos
Los intervalos de confianza son siempre interpretados de la misma manera, tanto si se
trata de un estudio clínico controlado, un estudio de corte o cualquier otro tipo de estudio.
En todos se prueba la hipótesis de que no hay diferencia entre los dos grupos.
La formulación de las hipótesis cambiará según el tipo de estimador que se utilice. Por
ejemplo si se utiliza el Riesgo Relativo o la Razón de Momios para un estudio de un factor
las hipótesis dirían:
Ho ≤ 1
HT > 1
Con un RR de 3, se tiene un IC95% de 2 < 3 < 5. En este caso el valor uno (1), no está
en el intervalo, por lo que rechazamos la hipótesis nula y aceptamos la alternativa.
La ventaja de los intervalos de confianza es que estos hacen mucho más que solo indicar
si el resultado puede ser por un error muestral, muestran y permiten evaluar la magnitud
del error muestral, es decir cuan pequeño o cuán grande el tamaño real del efecto puede
ser.
5.7. IDENTIFICACION DE ERRORES DE ANÁLISIS INFERENCIAL
El valor de p y los intervalos de confianza proveen un guía útil para la interpretación de
resultados cuando el análisis estadístico ha sido realizado correctamente, pero el reto es
identificar cuando el análisis es erróneo. Con los detalles que se presentan en los
artículos científicos es difícil decir si hay errores en el análisis. Todos los test de análisis
hacen algunas presunciones acerca de los datos, pero en la medida que no hay acceso a
los datos crudos no es posible probar si existen o no en la realidad.
5.7.1. VALORES FUERA DE RANGO
De cualquier manera hay algunos aspectos que pueden servir para identificar posibles
errores. Cuando los datos son presentados en tablas y figuras hay la posibilidad de
identificar valores fuera de rango. Un valor fuera de rango es usualmente un valor muy
alto o un valor muy bajo. Por ejemplo muchos de los valores para la presión diastólica
sanguínea de adultos en la población general pueden esperarse que caigan entre 46,5 a
90mm. Hg, valores menores de 40 o mayores 250 pueden ser denominados fuera de
rango. Estos pueden ser datos correctos o pueden ser producto de errores de recolección.
La presencia de aunque sea un poco de observaciones que caen fuera del conjunto de
datos puede distorsionar los resultados porque tienen una gran influencia sobre el
61