Main Content

​​​Cómo entender la investigación: esas temibles estadísticas

Read in english

Información sobre cómo entender la investigación: esas temibles estadísticas.

Cómo entender la investigación: esas temibles estadísticas

La mayoría de los autores que publican artículos de investigación usan estadísticas para sacar sus conclusiones. ¡Agárrense fuerte! Las estadísticas tienen la forma de perder incluso a los mejores lectores. Lo que trataremos de hacer aquí es brindarle una comprensión muy simple y ágil de las estadísticas.

En general, se usan las estadísticas para describir algo o examinar diferencias entre grupos o relaciones entre características. Los estadistas usan términos como media, mediana y desviación estándar.

Media:

La media es una palabra formal para denominar al promedio. Es la suma de todos los valores o puntajes, dividida por la cantidad de personas en el estudio o grupo.

Mediana:

La mediana, por otro lado, es el puntaje o valor que está más cerca del medio. La mitad de los puntajes individuales son más altos que el mediano mientras que la otra mitad es más baja. Por ejemplo, si tiene cinco números: 0, 0, 5, 10, 30, la mediana o promedio sería 9. (0+0+5+10+30=45; 45/5=9). La mediana, no obstante, sería 5, porque hay dos puntajes superiores y dos inferiores.

Es bastante obvio que una media o promedio podría utilizarse, pero ¿por qué nos interesan las medianas? De hecho, los investigadores utilizan la mediana para brindarle al lector más información sobre la media. Aunque la media nos dice lo que es el promedio, la mediana nos dice más sobre lo que es típico. Considere este ejemplo: El precio promedio de un hogar en su ciudad puede ser de $250.000. Esto es en parte porque el menor precio del hogar es de $90.000 (no hay en realidad hogares que cuesten $10, $15, o incluso $500 para que figuren en el promedio) y en parte porque una pequeña cantidad de hogares multimillonarios impulsan la media o el promedio. En un caso como este, la mediana puede indicarle que a pesar del alto promedio, el "término medio", el típico hogar mediano es más del monto de $120.000.

Desviación estándar:

Otra estadística que verá en la investigación científica es la desviación estándar. Le indica el grado de separación entre los datos. Por ejemplo, imagine que va a someterse a una cirugía de columna relativamente nueva. Le dijeron que solo cinco personas tuvieron esa cirugía en su hospital, y que la estadía media (promedio) fue de 24 días. ¿Eso es todo lo que necesita saber para decirle a su empleador, o para planificar las necesidades de cuidado personal? De ninguna manera. Piénselo: Suponga que las estadías de hospital para esas cinco personas fueron de 22, 22, 24, 25 y 26 días. La estadía media es de 24 días. Suponga que, en cambio, las estadías hayan sido: 6 días, 8 días, 10 días, 31 días, y 65 días. La media nuevamente es de 24 días. En el primer ejemplo los valores están muy cerca uno del otro, con un solo día de diferencia. En el segundo ejemplo, los puntajes están más separados, con muchos días entre cada par de puntajes. Esta separación entre puntajes o valores es lo que describe la desviación estándar.

Todo lo que describimos hasta ahora recae en el área de las estadísticas descriptivas. La idea es darle buena información sobre cómo son los sujetos y datos. ¿El sujeto típico se parece en algo a usted? ¿Las medias y medianas son similares? ¿Los hallazgos están muy separados entre sí?

Mostrar relaciones: significancia estadística

El siguiente nivel de estadísticas intenta mostrar las diferencias entre dos o más grupos, o relaciones entre dos o más cosas diferentes. Suponga, por ejemplo, que un investigador desea demostrar que un nuevo medicamento es efectivo para reducir la cantidad de infecciones de vejiga. Incluso si los que toman el medicamento parecen tener menos infecciones que quienes no lo toman, siempre existe la posibilidad de que haya una mejora por casualidad. También siempre existe la posibilidad de que algo se produce por algún factor que no es lo que estudiaba el investigador. Para reducir los efectos de estas posibilidades, los estadistas hacen dos cosas:

  1. Evaluar sus hallazgos (medias y promedios de los que hablábamos antes) para conocer la significancia estadística.
  2. Intentar controlar otros factores ajenos a los que estudian.

Cuando los investigadores evalúan la importancia estadística, comparan diferentes grupos de valores (infecciones de vejiga antes y después de usar el medicamento) mientras consideran cuántas personas participaron de la investigación, cuán drásticos parecen los hallazgos, y cuáles son algunas de las características de las personas que compararon. Luego usan unas complicadas fórmulas matemáticas para calcular valores de probabilidad. Para nuestro medicamento de infección de vejiga, este valor de probabilidad nos dice qué probabilidad hay de que las personas del estudio mejoren porque el medicamento hizo efecto, o si mejoraron simplemente por casualidad o por otro factor desconocido que no fuera el medicamento.

Si el investigador descubre que el valor de probabilidad es bajo (generalmente, menos del 5%, 1% o incluso 1/10 de 1%), puede llegar a la conclusión de que el medicamento realmente funciona. Estos valores de probabilidad – llamados valores p – representan porcentajes, pero en general están representados como p<.05, p<.01, o p<.001, o más específicamente como p=.023, y p=.0067. Por ejemplo, p<.01 significa que existe menos del 1% de probabilidad de que nuestro medicamento para la vejiga funcione por pura casualidad. Si las probabilidades son bajas, los investigadores las describen como estadísticamente significativas. Estas son las palabras clave que debe buscar al leer. Recuerde: Cuanto más bajo es el valor p, más pequeño es el porcentaje y mayor es la importancia y menos probable es que algo haya sucedido por casualidad.

¿Cuál es el grado de significancia suficiente? Depende de lo que se estudie, el beneficio o daño potencial de los hallazgos, y las propias normas del autor. Si ese medicamento para la vejiga es relativamente económico y seguro y su infección de vejiga no es de una gravedad que atente contra su vida, la pequeña posibilidad de que el medicamento no funcione realmente en forma tan eficaz como indicaron los investigadores (en otras palabras, significancia de p<.05, o probabilidad de menos de 1 de cada 20 de que funcione) tal vez el tema no sea grave. Si en cambio ese medicamento es para el tratamiento del cáncer y causa severos efectos secundarios, querrá estar seguro de que es extremadamente probable que funcione, antes de tomarlo, o tal vez una significancia de sólo p<.001 sea suficiente.

Mostrar relaciones: control

Luego está el tema del control. Los investigadores pueden evaluar otros factores que pueden afectar sus resultados. Sigamos analizando nuestro estudio de infección de vejiga. ¿Los investigadores saben antes de empezar si la edad o sexo de la persona tiene efecto en cómo reaccionarán al medicamento? ¿Qué pasa con el tipo de programas que usan los participantes del estudio para controlar sus vejigas? ¿O cuánto líquido beben o si toman vitamina C? Para tratar temas como estos, los investigadores recogen información adicional de cada participante del estudio. Luego incluyen esta información en sus análisis estadísticos y saben si sus hallazgos aún tienen asidero a la luz de estos factores posiblemente complicados. En sus artículos, los investigadores en general le dirán qué factores evaluaron. Si usted puede encontrar factores que pueden haber tenido un impacto que el investigador no evaluó, usted probablemente interprete sus hallazgos con un poco más de precaución.

"Prueba"

Siempre tenga en mente que la prueba es una palabra muy fuerte en la estadística. Los investigadores (especialmente en investigaciones relacionadas con salud y discapacidad) no le dirán en general que han comprobado que una cosa causa o lleva a otra. En cambio el mensaje más probable será que una cosa está relacionada con la otra. Tenga cuidado. Es fácil engañar sin intención (a veces, intencionalmente) al lector, en especial, cuando solo se da una pequeña cantidad de información. Un ejemplo clarificará esto. Descubrimos que entre sobrevivientes de SCI de edad avanzada, las personas que bebían café en algún momento habían tenido más dolor de hombros tres años después. Esto parece la situación donde una cosa causa la otra; las dos están incluso separadas en el tiempo. Pero esto sigue siendo solamente una relación: beber café de algún modo se relaciona con el dolor de hombros. Este hallazgo podría haber aparecido por una cantidad de motivos: tal vez las personas que beben café son más activas, tal vez su sensación de dolor aumenta; tal vez existe alguna otra conexión que no hemos descubierto. O esto puede simplemente ilustrar que a veces hay hallazgos raros. Recuerde: cuando hablamos de cómo p<.05 significa que existe un 5% de posibilidad de que el hallazgo se produzca meramente por casualidad. ¡Bien, por lo que sabemos, esta relación entre café y dolor puede caer en ese 5%! Por eso con datos realmente importantes (más como el ejemplo del medicamento para cáncer que usamos anteriormente, que con el tema del café que describimos aquí) los investigadores buenos repiten sus hallazgos. Realizan proyectos de investigación completos por segunda vez, con la misma metodología, para ver si obtienen los mismos resultados.

Validez

El último concepto para tratar aquí se llama validez. Se explica mejor con un ejemplo.

El investigador John Q, de la universidad nacional más importante, informó que su último estudio demostró una significativa relación entre el nivel de lesión de la médula espinal y la inteligencia: Las personas con paraplejia, dijo, son mucho más inteligentes que las personas con cuadriplejia. ¿Cómo llegó a este hallazgo? Usó el test de inteligencia más popular y el mejor disponible. Todos sus sujetos eran de la misma edad y todos tenían el mismo nivel de educación. Todos, por supuesto, hablaban inglés y podían leer fácilmente las preguntas del test. Siguió las reglas del test para administrarlo, y evaluó a todos juntos en la misma aula para asegurarse de que las situaciones de evaluación fueran iguales. Tuvo ayudantes para asegurar que nadie hiciera trampa. Todos tuvieron dos horas para terminar el test. John Q. los corrigió y analizó, y seguramente, esos cuadripléjicos no estaban a la altura de las circunstancias. Su conclusión de que las personas con cuadriplejia no son tan inteligentes llegó a todos los periódicos e hizo que apareciera en algunos programas de televisión.

Pero... existe un pequeño punto que olvidó. ¿Puede adivinar cuál es? El test estaba cronometrado. ¿Puede la gente con cuadriplejia escribir tan rápido como los parapléjicos? No. Algunos no pueden escribir en absoluto. Así que, la verdad, es muy probable que no fuera su cerebro el responsable de los malos puntajes del test, sino sus brazos y manos. Estamos siendo muy petulantes en esto, pero es un concepto muy importante. John Q. no estaba realmente midiendo lo que creía que medía. Creyó que estaba evaluando la inteligencia, pero estaba evaluando la velocidad de escritura. Su investigación no fue válida... no midió lo que él dijo que medía. ¿Cómo podría haber hecho válida esta investigación? Podría haber dado a todos sus sujetos un test oral; podría haberles dado a todos más tiempo. Tenga en cuenta este concepto, como también todos los demás que describimos antes... y podrá encontrar la forma de criticar los informes de investigación que escuche y lea.

Descargar PDF

Revisada: 3/2015

This resource provided as a courtesy of Craig Hospital. For more information, contact the Craig Hospital Nurse Advice Line at 1-800-247-0257.

Este folleto apareció originalmente publicado como artículo en la edición de 2001 de SCI Life (páginas 32-33) titulado "Cómo entender la investigación: Parte III: ¡No permita que las estadísticas lo aterren!" Se vuelve a editar aquí con el permiso de la Asociación Nacional de Lesiones de la Médula Espinal. Este folleto se redactó con fondos del Instituto Nacional sobre Discapacidad e Investigación de Rehabilitación del Departamento de Educación de EE. UU. Las opiniones que aparecen en esta publicación son del beneficiario del subsidio y no necesariamente reflejan las opiniones del Departamento de Educación de EE. UU.

Disclaimer: The content in this document is intended for general informational purposes only and is not a substitute for professional medical advice or treatment for specific medical conditions. No professional relationship is implied or otherwise established by reading this document. You should not use this information to diagnose or treat a health problem or disease without consulting with a qualified healthcare provider. Many of the resources references are not affiliated with Craig Hospital. Craig Hospital assumes no liability for any third party material or for any action or inaction taken as a result of any content or any suggestions made in this document and should not be relied upon without independent investigation. The information on this page is a public service provided by Craig Hospital and in no way represents a recommendation or endorsement by Craig Hospital.

Related Resource Topics