Importancia clínica frente significación estadística en la evaluación de resultados de investigación

30 03 2011

Ochoa Sangrador C. Evaluación de la importancia de los resultados clínicos: importancia clínica frente significación estadística.   Evid Pediatr. 2010;6:40

Juzgar la importancia clínica de un estudio basado en un criterio estadístico es un error. El valor p no informa sobre el tamaño del efecto del estudio, de manera que no hay información que permita considerar la importancia clínica de los resultados.  Se puede observar un tamaño de efecto muy pequeño con significación estadística, sin que el efecto sea importante clínicamente.

El autor menciona algunos factores para determinar la importancia clínica de los resultados de un estudio:

  1. Valoración cuantitativa de los resultados: estimación de medidas de efecto e impacto, evaluación de equivalencia, superioridad o no inferioridad.
  2. Valoración cualitativa: consideración de la repercusión sobre la toma de decisiones diagnósticas o terapéuticas y del beneficio sobre el paciente.
  3. Valoración comparativa: comparación con los resultados de otros estudios con las mismas o distintas medidas de efecto.
  4. Valoración beneficio-riesgo-coste: ponderación de beneficios con los riesgos y costes.

Presenta el concepto e interpretación de  las principales medidas para estimar el tamaño del efecto de un estudio (riesgo relativo, correlación, diferencia de medias, odds ratio, número de pacientes a tratar, número necesario de pacientes a dañar, fracción atribuible o fracción etiológica).

No existe un consenso sobre lo definición de qué es un resultado clínicamente importante, el autor menciona diversas definiciones de autores e ilustra la valoración del tamaño del efecto en términos de equivalencia, superioridad y no inferioridad.

Descargar completo en http://tinyurl.com/6zomaby






Estrategia para el análisis por Intención de Tratar en ensayos clínicos aleatorios con “missing outcome data”

17 02 2011

White IR, Horton NJ, Carpenter J, Statistics RI, Pocock SJ. Strategy for intention to treat analysis in randomised trials with missing outcome data. BMJ. 2011;342:d40.

Loss to follow-up is often hard to avoid in randomised trials. This article suggests a framework for intention to treat analysis that depends on making plausible assumptions about the missing data and including all participants in sensitivity analyses

Descargar Strategy for intention to treat analysis in randomised trials with missing outcome data





A Clinician-Educator’s Roadmap to Choosing and Interpreting Statistical Tests

9 07 2010

Los autores proponen  una guía para seleccionar  las pruebas estadísticas de un estudio mediante tres preguntas:

  1. Cuál es el diseño y la pregunta de investigación?
  2. Cuál es el tipo de variable?
  3. Cuál es su forma de distribución?

Pueden descargar el artículo completo al hacer clic sobre la referencia JGen Intern Med 2006;21(6):656-60





¿Cómo interpretar las figuras en Ensayos Clínicos?

21 07 2009

La respuesta la pueden encontrar en el artículo de publicado por  Pocock SJ, Travison TG, Wruck LM. Figures in clinical trial reports: current practice & scope for improvement. Trials. 200719;8:36.