Академический Документы
Профессиональный Документы
Культура Документы
porque indican que la diferencia observada pasara menos de una vez cada
cien veces si realmente no haba ninguna diferencia verdadera.
3
Qu son
los intervalos de confianza y valores de p?
llev a cabo (sesgo), o podra surgir simplemente debido a la casualidad? La
breve nota a continuacin cubre brevemente la importancia de la evaluacin
de sesgo sino que se centra ms en la evaluacin del papel de oportunidad.
Parcialidad
El sesgo es un trmino que abarca cualquier sistemtica los errores que
resultan de la forma en que el estudio fue diseada, ejecutada o interpretada.
Comn
fallas en los ensayos de tratamiento son:
La falta de (o el fracaso en) la asignacin al azar, dando lugar a grupos
desequilibrados
cegamiento deficiente, lo que lleva a un trato injusto y evaluaciones
sesgadas
Un gran nmero de pacientes perdidos durante el seguimiento.La evaluacin
en estas reas es crucial antes los resultados de cualquier ensayo se pueden
evaluar, y Existen muchas guas tiles para ayudar a este proceso,como por
ejemplo un artculo de Guyatt et al y por los libros Sackett et al y por la
interpretacin Crombie.2-5 de los efectos del azar slo tiene sentido una vez
que el sesgo se ha excluido como una explicacin para cualquier
differences.6,7 observada variabilidad aleatoria
Los resultados de un estudio concreto variarn slo por casualidad. Los
estudios difieren en cuanto a la
las personas que estn incluidos, y las formas en que estos individuos
especficos reaccionan a intervenciones teraputicas. Incluso cuando todo lo
posible se mantiene constante, hay seguir siendo algunas variaciones
aleatorias. Por lo tanto necesitamos algunas herramientas para ayudarnos a
evaluar si las diferencias que vemos entre la nueva el tratamiento y la edad en
cualquier estudio en particular son manifestaciones reales e importantes, o
simplemente de variabilidad aleatoria. Los intervalos de confianza y p-valores
nos ayudan a hacer esto.
Cules son los valores de p?
Hasta hace relativamente poco tiempo, las evaluaciones de el papel del azar se
realizaron de forma rutinaria usando prueba de la hiptesis, que produce un
"pvalue ' (Cuadro 1). El valor de p permite la evaluacin de si los resultados
son"Significativamente diferente" o "no de forma significativa diferente "de un
valor de referencia (en los ensayos,Este suele ser el valor que refleja "ningn
efecto";
Tabla 1). Un diferente y potencialmente ms enfoque til para evaluar el papel
de oportunidad ha pasado a primer plano: la confianza intervals.8 Aunque
stos podran aparecer en lugar diferente a los valores de p, y la teora los
clculos se basan estos dos enfoques son bsicamente los mismos.
Fecha de elaboracin: Abril 2009 NPR09 / 1106
Medida del efecto Abreviatura Descripcin Sin efecto total xito
ARR riesgo del cambio absoluto absoluta del riesgo: el riesgo de un evento en
RRA = 0% ARR = riesgo inicial
reduccin del grupo de control menos el riesgo de un evento en el grupo
tratado; generalmente se expresa como una porcentaje Proporcin relativa RRR
riesgo de que el riesgo eliminado por el tratamiento: el RRR RRR = 0% = 100%
reduccin del riesgo absoluto dividido por la reduccin del riesgo inicial, el
grupo de control; generalmente se expresa como un porcentaje Relativa RR
riesgo El riesgo de un evento en el grupo tratado dividido por RR = 1 o RR = 0
el riesgo de un evento en el grupo de control; por lo general RR = 100%
expresado como una proporcin decimal, a veces como una porcentaje
Odds ratio OR Las probabilidades de un evento en el grupo tratado dividido por
O=1O=0
las probabilidades de un evento en el grupo control; generalmente
expresado como una proporcin decimal
Nmero NNT nmero de pacientes que necesitan ser tratados con NNT =
NNT = 1 / inicial
necesaria prevenir un evento; este es el recproco del riesgo
para tratar la reduccin del riesgo absoluto (cuando se expresa como una
fraccin decimal); Por lo general, se redondea a una
nmero entero
Tabla 1. Resumen de las medidas del efecto Cules son los intervalos de
confianza? Los intervalos de confianza proporcionan diferente informacin del
0.95. Por lo tanto, la verdadera reduccin de las muertes puede ser tanto como
un cuarto o podra ser slo como poco
como 5%; Sin embargo, tenemos un 95% seguro de que la tasa de mortalidad
general se redujo en el grupo de ramipril.
Finalmente, la exploracin de los datos presentados en la fila del medio
muestra un ejemplo de cmo un confianza
intervalo puede demostrar la no importancia. Hubo unas pocas muertes ms
de no cardiovascular
provoca en el grupo de ramipril (200) en comparacin con el grupo placebo
(192).
Debido a esto, el riesgo relativo se calcula para ser 1,03 - que muestra un
ligero aumento de riesgo en el
grupo de ramipril. Sin embargo, el intervalo de confianza se ve para capturar el
valor de ningn efecto (relativa
Riesgo = 1), funcionando como lo hace 0,85-1,26. La diferencia observada es,
pues, no significativo;
el valor real podra ser cualquier cosa de una reduccin del 15% en las muertes
no cardiovasculares para ramipril
a un aumento de 26% en estas muertes. No slo sabemos que el resultado no
es significativo, pero
Tambin puede ver cun grande o pequea una verdadera diferencia
plausiblemente podra ser, teniendo en cuenta estos datos.
6
mostrar significacin en slo uno o dos
subgrupos no son convincentes - tales
importancia puede ser engaosa. A no ser que
en particular los anlisis de subgrupos han sido
especificado de antemano, las diferencias que no sea
para el objetivo primario para todo el grupo
deben ser vistos con sospecha.
La significacin estadstica y clnica
significado
La significacin estadstica es tambin a veces
mal interpretada como significando un importante
Resultado: se trata de un segundo escollo importante en
interpretacin. Importancia de pruebas simplemente
pregunta si los datos producidos en un estudio son
compatible con la nocin de diferencia
entre las nuevas intervenciones y de control.
El rechazo de la equivalencia de los dos
intervenciones no significa necesariamente que
aceptamos que existe una importante
diferencia entre ellos. Un amplio estudio puede
identificar como estadsticamente significativo un bastante
pequea diferencia. Es entonces bastante separada
juicio para evaluar la significacin clnica
de esta diferencia. Al evaluar la importancia
de resultados significativos, es el tamao del efecto
- No slo el tamao de la importancia - que
asuntos.
Hacer las cosas mal otra vez: no encontrar
efectos reales
Otro error que podemos cometer es
concluir a partir de la constatacin de que no significativa
no hay ningn efecto, cuando en realidad no es un verdadero
efecto - esto se llama un "error de tipo II '.
La equiparacin no significacin con "ningn efecto" es una