Errores estadísticos y en la presentación de datos: de los errores se aprende

28 10 2012

De los errores se aprende y esa es la finalidad de compartir esta presentación realizada por la Dra AM Simundic, editora de una revista biomédica.

Esta publicación de la autora puede ser útil Biochem Med (Zagreb). 2012; vol. 22(1) pp. 15-23

The aim of this article is to highlight practical recommendations based on our experience as reviewers and journal editors and refer to some most common mistakes in manuscripts submitted to Biochemia Medica. One of the most important parts of the article is the Abstract. Authors quite often forget that Abstract is sometimes the first (and only) part of the article read by the readers. The article Abstract must therefore be comprehensive and provide key results of your work. Problematic part of the article, also often neglected by authors is the subheading Statistical analysis, within Materials and methods, where authors must explain which statistical tests were used in their data analysis and the rationale for using those tests. They also need to make sure that all tests used are listed under Statistical analysis section, as well as that all tests listed are indeed used in the study. When writing Results section there are several key points to keep in mind, such as: are results presented with adequate precision and accurately; is descriptive analysis appropriate; is the measure of confidence provided for all estimates; if necessary and applicable, are correct statistical tests used for analysis; is P value provided for all tests, etc. Especially important is not to make any conclusions on the causal relationship unless the study is an experiment or clinical trial. We believe that the use of the proposed checklist might increase the quality of the submitted work and speed up the peer-review and publication process for published articles.

Pueden descargar el artículo aquí

Visitar la presentación aqui http://goo.gl/X9uNq





Presentación de artículos sobre errores estadísticos frecuentes en publicaciones biomédicas

12 12 2011

Les comparto esta presentación basada principalmente en dos artículos cientificos sobre errores estadísticos frecuentes.





Sugerencias para escribir un artículo científico

25 08 2011

publica en twitter esta recomendación que reproduzco en el blog.

Perneger T, Hudelson P.  Writing a research article: advice to beginners.  Int J Qual Health Care 2004;16(3):191–192

Sugerencias para escribir un artículo científico en dos páginnas: pregunta de investigación y estructura del artículo. Descargar aqui





Diez categorias de errores estadísticos

28 03 2011

Holmes TH. Ten categories of statistical errors: a guide for research in endocrinology and metabolism. Am J Physiol Endocrinol Metab. 2004;286(4):E495-501.  Descargar aqui

El autor presenta diez errores estadísticos frecuentes basados en el tipo de error (sesgo o imprecisión) y en la fuente u origen: muestreo, medición, estimación, pruebas de hipótesis y presentación de informes.  Cada descripción del error está acompañada de ejemplos de investigaciones en el área de endocrinología y metabolismo.

    • Category I: Sampling bias
    • Category II: Sampling imprecision
    • Category III: Measurement bias
    • Category IV: Measurement imprecision
    • Category V: Estimation bias
    • Category VI: Estimation imprecision
    • Category VII: Bias in hypothesis testing
    • Category VIII: Imprecision in hypothesis testing
    • Category IX: Reporting bias
    • Category X: Reporting imprecision




      Descripción de los métodos de recolección de la información: más es mejor!

      11 01 2011
      

      Para obtener más información sobre los métodos de recopilación de datos que se utilizan actualmente en la investigación médica, dos epidemiólogos evaluaron de forma independiente los artículos publicados en siete revistas de alto impacto durante 2008-09 (medicina general y epidemiología).  Las inconsistencias entre los dos revisores fueron de un 30% especialmente para las publicaciones de las revistas médicas generales. Un examen más detallado reveló que estas inconsistencias se debe principalmente a la información poco clara de los métodos utilizados, algunas veces los autores se limitan a informar el listado de variables o quienes las evalúan pero no especifican la forma en que obtuvo la información:  cuestionarios, entrevistas, revisión de la historia clínica etc.

       

      La elección del método de recolección de datos para un estudio en particular depende de varios factores, incluyendo pero no limitado a: tipo de estudio, la sensibilidad del tema de interés y los costos de las mediciones. Dado que los diferentes métodos de recopilación de datos tienen diversas cantidades de error de medición, es de gran importancia la información detallada sobre los métodos utilizados para poder evaluar la calidad del estudio tanto por lectores y críticos como editores. Además, la descripción adecuada de los métodos de recolección de datos permite reproducir el estudio original por otros grupos de investigación.

       

      van Gelder MM, Bretveld RW, Roeleveld N. Reporting on the modes of data collection. The Lancet (January 2011), 377 (9759), pg. 30-30 





      La importancia del cegamiento en ensayos con asignación aleatoria

      22 11 2010

      Strite SA, Stuart ME. Importance of Blinding in Randomized Trials. JAMA. 2010;304(19):2127-2128.

      Double blinded versus single blinded: Kenneth F Schulz, David A Grimes. Lancet 2002; 359: 696–700

      Para algunos autores la falta de cegamiento de los investigadores y de los pacientes simplifica la ejecución de ensayos clínicos y simula lo que ocurre realmente en la práctica médica.

      Los autores de este artículo presentan el impacto de la falta de cegamiento en la estimación puntual y precisión del  ensayo clínico: Rosiglitazone Evaluated for Cardiac Outcomes and Regulation of Glycemia in Diabetes (RECORD).  Se trató de un ensayo clínico abierto de no inferioridad, que comparó la Rosiglitazona vs. una combinación de Metformina + Sulfonilurea respecto al desenlace evento cardíaco o muerte; para el desenlace infarto del miocardio este fue el resultado del estudio HR: 1.14; IC95%, 0.80-1.63.

      Un análisis posterior realizado por un revisor independiente de  la FDA,  observó un sesgo diferencial en la definición del desenlace final que favorecía a la Rosiglitazona y luego de la revisión de una muestra de los formatos de evaluación, recalculó el HR obteniendo este resultado HR:1.38 (95% CI, 0.99-1.93).

      A menos que el desenlace final de estudio sea muerte que inequívocamente es un evento objetivo, los grandes ensayos financiados por la industria farmacéutica sobre medicamentos deberán implementar el cegamiento de investigadores y pacientes, aún cuando se incrementen costos y complejidad del ensayo,  en aras de  obtener resultados válidos en los estudios de la más alta confiabilidad y la más clara interpretación.





      ¿Y qué es lo que tiene el Placebo? un análisis en ensayos clínicos aleatorios

      30 10 2010

      No existen sustancias que sean fisiológicamentes inertes y tampocos normas para la conformación de sustancias placebo.  Basado en ello, los autores evalúan la descripción del contenido del placebo en los ensayos clínicos controlados aleatorizados en revistas con alto factor de impacto.

      Puedes descargar el resumen del artículo publicado por Golomb B, Erickson L, Koperski S,  Sack D, Enkin  M, Howick J.  What’s in Placebos: Who Knows? Analysis of Randomized, Controlled Trials. Ann Intern Med.2010;153(8):532-5. Si deseas el artículo completo me escribes a dpcuesta@hotmail.com y te lo envío.





      Informando los resultados de un análisis multivariado

      18 07 2010

      Tetrault eerror reporte multivariadot al., realizaron una revisión de los artículos publicados en Ann Intern Med, BMJ, JAMA, Lancet y NEJM en el primer semestre de 2006 y econtraron que los métodos multivariados de mayor uso fueron la regresión logística y el análisis de riesgos proporcionales.

      En la tabla se observan los hallazgos sobre la frecuencia de reporte de lo que incluye un análisis multivariado.

      El artículo fue publicado en Journal of Investigative Medicine 2008;56(7):954–957 no es de libre acceso pero me pueden escribir y se los envío.





      Si vas a publicar un artículo científico considera estos posibles errores en la presentación de resultados

      18 07 2010

      Este artículo sobre errores estadísticos que con frecuencia cometemos en la presentación de los resultados de la investigación fue publicado por Lang T en CMJ. 2004;45(4):361-370.  

      1. Informar mediciones con una precisión innecesaria.
      2. Transformar datos continuos a categóricos sin explicar por qué o cómo.
      3. Falta de información en las comparaciones pareadas del cambio  promedio  individual.
      4. Uso incorrecto de la estadística descriptiva.
      5. Uso del error estándar de la media (SEM) como una medida de estadística descriptiva.
      6. Informar sólo el «valor p» para los resultados
      7. No confirmar el cumplimiento de los supuestos de las pruebas estadísticas utilizadas.
      8. Utilizar un análisis de regresión lineal sin haber demostrado que la relación es, de hecho, lineal.
      9. Reporte de “missing data”
      10. No informar si se hicieron o cómo se hicieron los ajustes para las pruebas de hipótesis múltiples.
      11. Presentación innecesaria de la comparación estadística de características de base en el ensayo clínico aleatorio.
      12. No se define  «normal» o «anormal» al informar resultados de pruebas diagnósticas.
      13. No hay una definición clara de los resultados de una prueba: “positivo” o “negativo”.
      14. Uso de tablas y figuras sólo para «almacenar» los datos, en lugar de ayudar a los lectores.
      15. El uso de un diagrama o gráfico en el que el mensaje visual no es compatible con el mensaje de los datos del texto.
      16. Confundir las «unidades de observación» al informar e interpretar los resultados.
      17. Interpretación de estudios con resultados no significativos y de bajo poder estadístico como «negativo», cuando lo son, de hecho, no concluyente.
      18. No distinguir entre «pragmático» (efectividad) y «explicativos» (eficacia) en el diseño e interpretación de investigación biomédica
      19. No informar de los resultados en unidades de utilidad clínica.
      20. Confundir la significación estadística y su importancia clínica.

      20 errores estadisticos de los articulos





      Presentación del artículo: «Seven mistakes and potential solutions in epidemiology, including a call for a World Council of Epidemiology and Causality»

      23 05 2010