Академический Документы
Профессиональный Документы
Культура Документы
Para recibir Evidencias en Pediatría en su correo electrónico debe darse de alta en nuestro boletín de novedades en
http://www.evidenciasenpediatria.es
Fundamentos MBE
Veamos un ejemplo. En un ensayo clínico se compararon dos Uno de los objetivos habituales de la investigación es estimar
tratamientos, A y B, en dos grupos de 100 pacientes, para la frecuencia de una determinada característica, por ejemplo,
prevenir recaídas de una enfermedad. En el grupo A recayeron la presencia o no de obesidad. Si nuestro estudio tiene sufi-
un 20%, mientras que en el grupo B un 40%. Podemos hacer cientes sujetos, por ejemplo, estudiamos a una muestra repre-
una estimación de la eficacia de los tratamientos de dos ma- sentativa de 10 000 adolescentes de nuestra comunidad y
neras: encontramos 1800 obesos, la frecuencia relativa de obesidad
(1800/10 000 = 0,18) es la mejor aproximación que tenemos
• Mediante estimación de intervalos de confianza: podemos a la probabilidad de estar obeso en nuestro medio. La proba-
decir que el tratamiento A es un 20% mejor que el trata- bilidad no solo se refiere a variables nominales dicotómicas,
miento B (40-20%) y que estimamos, con un 95% de con- también se puede aplicar a cualquier otro tipo de variable; por
fianza (grado de error admitido de un 5%), que dicha di- ejemplo, puede interesarnos saber la probabilidad de que un
ferencia se encuentra entre un 7,6% y un 32,4%.Todos los diabético tenga una glucemia precomida entre 70 y 150 mg/dl.
valores del intervalo son favorables al tratamiento A (no
hay valores negativos), por lo que nos puede servir para Podemos definir probabilidad como un número entre 0 y 1,
tomar decisiones.A la hora de interpretar un intervalo de asociado con la verosimilitud de que ocurra un suceso (nú-
confianza, debemos fijarnos si incluye el valor nulo, que mero de casos favorables/número de casos posibles). Asu-
implica la ausencia de efecto (el “0” para las diferencias o miendo una muestra de tamaño suficientemente alta (infinita)
el “1” para los cocientes); en este caso vemos que el cero esta probabilidad se estimaría con la frecuencia relativa.
Fundamentos MBE
Fundamentos MBE
FIGURA 2. RANGO DE VALORES DE UNA DISTRIBUCIÓN zar). La probabilidad de Z en las tablas de referencia será la
NORMAL probabilidad del valor real. En la figura 3 se presenta la esti-
mación para una longitud de recién nacido 45 o menor. Con
la centralización y estandarización podemos estimar la proba-
bilidad de cualquier valor que siga una distribución normal, si
sabemos la media y la desviación típica.
p = f(Z) → X = (Z × s) + m.
Fundamentos MBE
remos estimar la probabilidad. En la figura 4 se presentan la referencia es lo que conocemos como “puntuación Z” (z-
pantalla con los datos y los resultados. En una distribución score en inglés), para expresar magnitudes de peso, talla o ín-
normal de media 50 y desviación típica 2, un valor de 45 o dice de masa corporal en relación con la edad y sexo de un
menor tiene una probabilidad de 0,0062 (0,62%). paciente pediátrico.
Fundamentos MBE
será solo una de las múltiples estimaciones puntuales teóricas Igualmente hay distribuciones de probabilidad de variables
que hubiéramos obtenido con otras muestras. Si estas esti- discretas, como la distribución binomial y la hipergeométrica,
maciones teóricas siguen alguna distribución de probabilidad que emplearemos en pruebas exactas, como el test exacto de
conocida, podremos estimar su precisión (intervalo de con- Fisher, o la distribución de Poisson que describe la ocurrencia
fianza) y hacer contrastes de hipótesis. La distribución de de eventos raros en intervalos de tiempo o espacio, que re-
probabilidad de estas estimaciones puntuales va a depender sulta muy útil para estimar intervalos de frecuencias de enfer-
del tipo de variable, del tamaño muestral, de su magnitud y, medades poco frecuentes.
para variables continuas, de otros parámetros descritos en la
muestra (por ejemplo, desviación típica). Con estos paráme- En nuevos artículos de esta serie repasaremos los fundamen-
tros calcularemos los estadísticos de referencia, equivalentes tos y procedimientos de la inferencia estadística, revisando la
al valor Z que vimos para la distribución normal, a los que les estimación de intervalos de confianza y el contraste de hipó-
corresponderá una probabilidad, que podemos consultar en tesis.
tablas o que directamente nos dará el programa estadístico.
También podremos hacer el paso inverso, encontrar el valor
o rango de valores que corresponde a una probabilidad; esto BIBLIOGRAFÍA
nos servirá, por ejemplo, para calcular entre qué valores se
encontrarán el 95% de las estimaciones teóricas, lo que co- • Altman DG, Bland JM. Statistics notes: the normal distri-
rresponde al intervalo de confianza del 95%. bution. BMJ. 1995;310:298.
• Altman DG, Bland JM. Statistics notes: variables and para-
En la figura 4 vemos las principales distribuciones de proba- meters. BMJ. 1999;318:1667.
bilidad continuas. Entre ellas, se encuentran algunas de las más • Altman DG. Practical statistics for medical research. Lon-
frecuentemente utilizadas, como la distribución de χ2, la t de dres: Chapman & Hall; 1991.
Student y la F de Snedecor. La distribución de Ji-cuadrado, es • Milton JS. Estadística para biología y ciencias de la Salud.
la que siguen las diferencias entre valores esperados y obser- México: McGraw-Hill; 2001.
vados de una tabla de contingencia y la emplearemos cuando • Norman GR, Streiner DL. Bioestadística. México: Mosby/
realicemos un test de χ2. La distribución t de Student, es la Doyma Libros, 1996.
que siguen las diferencias de medias, por lo que la empleare- • Ochoa Sangrador C, Molina Arias M. Estadística. Tipos de
mos cuando hagamos una comparación de medias, con un variables. Escalas de medida. Evid Pediatr. 2018;14:29.
test de la t de Student. La distribución F de Snedecor es la que • Rosner B. Fundamentals of Biostatistics. 7.ª edición. Bos-
siguen los cocientes de varianzas, por lo que la emplearemos ton: Brooks/Cole, Cengage Learning; 2011.
cuando hagamos un análisis de la varianza.