1. ESTADÍSTICA INFERENCIAL
Una inferencia es una generalización que se hace acerca de una población a partir del estudio de un subconjunto o muestra de esa población.
Incluso con muestras seleccionadas adecuadamente, los resultados de una única muestra están sujetos a cierto grado de incertidumbre o azar. Este error de muestreo no puede eliminarse completamente, pero puede calcularse su magnitud.
De forma general se distinguen dos grandes categorías de métodos de inferencia:
- Métodos para estimación de parámetros poblacionales.
- Métodos para contraste de hipótesis.
1.2. Prueba del contraste de hipótesis
El objetivo del contraste de hipótesis es permitir generalizaciones de los resultados de nuestra muestra a la población de la que procede.
Si la probabilidad de que el resultado obtenido se deba al azar es muy baja, podremos asumir que corresponda a una diferencia real en la población, aunque siempre existirá una cierta probabilidad de error. Esta probabilidad será tanto más baja cuanto mayor sea la diferencia encontrada y más grande el tamaño muestral.
El contraste de hipótesis se plantea habitualmente bajo el supuesto de dos hipótesis contrapuestas, una hipótesis nula conservadora que sostiene la ausencia de diferencias, frente a una hipótesis alternativa novedosa que defiende la existencia de diferencias. Para poder aceptar la hipótesis alternativa debe rechazarse la hipótesis nula, lo cual se consigue cuando la diferencia o efecto encontrado en el estudio no parece debido al azar.
Por convención, si esta probabilidad es menor del 5% (p<0,05) se considera que no se debe al azar, en ese caso se rechaza la hipótesis nula y se acepta la alternativa.
2. LO QUE LAS PRUEBAS ESTADÍSTICAS NOS DICEN
2.1. Probabilidad
La probabilidad de cometer un error depende del tamaño de la muestra estudiada para probar la hipótesis de nulidad. Cuanto mayor es el tamaño de la muestra, tanto menos probable será la probabilidad de cometer un error.
2.2. Significación estadística
Una prueba de significación estadística calcula la probabilidad de que un resultado observado de un estudio, se deba al azar y por consiguiente no pueda obtenerse ninguna inferencia del mismo.
Que una diferencia tenga la probabilidad de ser real y no debida al azar se basa en gran parte en tres criterios:
- Magnitud de la diferencia observada.
- Grado de variaciones de los valores obtenidos en el estudio.
- Tamaño de la muestra estudiada.
2.3. Intervalos de confianza
El IC proporciona un intervalo de posibilidades correspondiente al valor de la población y nos permite calcular si las pruebas obtenidas en el estudio son robustas o débiles, y si el estudio es definitivo o se precisarán otros. Si el intervalo de confianza es estrecho, las pruebas obtenidas serán robustas. Un estadístico puede calcular los intervalos de confianza del resultado de casi cualquier prueba estadística.
En general, cuando un IC de 95% contiene una diferencia igual a cero, significa que no es posible rechazar la hipótesis de nulidad en el nivel de 5%.
3. MEDIDAS COMUNES EN EPIDEMIOLOGÍA
Los resultados de los estudios epidemiológicos deben ser expresados en forma de medidas de salud o enfermedad, con las que indicamos frecuencias, diferencias, asociación, riesgo o impacto.
Otro escenario habitual es el que evalúa la asociación entre una variable discreta y otra continua. En estos estudios, la presentación de resultados se basará en las diferencias de medidas de tendencia (media, mediana) y dispersión de la variable continua entre grupos.
Porcentajes, proporciones, razones y tasas
Un porcentaje es el número de unidades con una determinada característica, dividido entre el número total de unidades en la muestra y multiplicado por 100.
Una proporción es una expresión numérica que compara una parte de las unidades del estudio con la totalidad.
Una razón es la expresión numérica de la relación entre un conjunto de frecuencias y otro.
Una tasa es la expresión numérica de la frecuencia de una enfermedad en una población determinada, medida en un período especificado. Dos tasas de uso frecuente en las ciencias de la salud son la incidencia y la prevalencia.
Medidas de riesgo
Mientras la incidencia y prevalencia expresan la frecuencia de enfermedad en grupos concretos de pacientes, otras medidas permiten comparar las diferencias de frecuencia entre dos grupos distintos o estimar el incremento de riesgo asociado a una exposición concreta. Las principales medidas de riesgo son el riesgo relativo y la odds ratio (razón de ventajas).
El valor de riesgo relativo (RR) cuanto más se aleje el valor de 1, por arriba o por abajo, mayor será la fuerza de la asociación.
En los estudios sin seguimiento longitudinal como estudios de casos y controles, como no es posible calcular la incidencia, no puede calcularse el riesgo relativo, calculándose la odds ratio (OR).
Medidas de impacto
Aunque con las medidas anteriores podemos estimar el riesgo que genera un factor de exposición sobre un efecto o enfermedad, esas medidas no nos informan del impacto que dicha exposición puede originar en el conjunto de casos existentes en una población. Esta información podemos extraerla de otras medidas, como la diferencia de riesgos o la proporción atribuible.
La diferencia de riesgos (DR) ofrece información independiente del riesgo relativo y puede variar, entre distintos grupos de pacientes, en función del riesgo propio de cada grupo.
La proporción atribuible (PA), también conocida como riesgo atribuible, fracción etiológica, fracción atribuible o población de riesgo atribuible, se define como la proporción de casos nuevos de la enfermedad en el grupo de sujetos expuestos, que son atribuibles al factor de riesgo de interés.
Otra medida de impacto aplicable a estos estudios, de gran interés clínico, es el número necesario a tratar (NNT), que nos informa del número de pacientes que deberían ser tratados con la intervención terapéutica para que un caso se viera beneficiado, evitando un evento desfavorable.