Mtodos estadsticos Nivel de medicin de las variables Tamao de la muestra 1.

Preguntas que nos hacemos cuando comparamos dos medias Aunque el tamao del efecto lo presentamos como complemento al contraste de medias tradicional (t de Student), es tambin aplicable en otros tipos de anlisis, como el anlisis de varianza y en general en todas las pruebas de significacin estadstica. Cuando comparamos dos medias nos suele interesar responder a estas tres preguntas: 1 Podemos afirmar que hay una diferencia? A esta pregunta se responde mediante la t de Student. Es lo mismo que preguntar si la diferencia es estadsticamente significativa, o si es mayor de lo puramente aleatorio (diferencia distinta de cero en la poblacin).

2 Es grande la diferencia? A un mayor valor de t no corresponde de manera sistemtica una mayor diferencia; un valor grande de t slo nos dice que tenemos mucha seguridad para poder afirmar que la diferencia entre las medias de las poblaciones no es cero, que hay una diferencia, pero un valor grande de t no nos permite afirmar que la diferencia es grande. 3 Es importante la diferencia? La respuesta a esta pregunta supone un juicio cualitativo, pero depende en buena medida de las respuestas a las dos preguntas anteriores. Lo ms frecuente es responder a la primera pregunta, y exponer, como datos necesarios y suficientes, los valores de t y de p (la probabilidad asociada al valor de t). A veces esto puede ser suficiente, pero no lo es habitualmente. El limitarse a exponer y comentar los valores de t y p puede llevar a interpretaciones equvocas, insuficientes o a exagerar la importancia de la diferencia. En buena parte las interpretaciones limitadas, e incluso equvocas, de las diferencias estadsticamente significativas radican en las mimas limitaciones del paradigma que utilizamos en el contraste de medias.

Niveles de Medicin Nominal Las propiedades de la medicin nominal son: 1) Exhaustiva: implica a todas las opciones 2) A los sujetos se les asignan categoras, por lo que son mutuamente excluyentes. Es decir, la variable est presente o no; tiene o no una caracterstica

Ordinal Las propiedades de la medicin ordinal son: 1) El nivel ordinal posee transitividad, por lo que se tiene la capacidad de identificar que esto es mejor o mayor que aquello, en ese sentido se pueden establecer jerarquas 2) Las distancias entre un valor y otro no son iguales

Razn 1) La escala empieza a partir del 0 absoluto, por lo tanto incluye slo los nmeros por su valor en s, por lo que no pueden existir los nmeros con signo negativo. Por ejemplo: Peso corporal en kg., edad en aos, estatura en cm. 2) Convencionalmente los datos que son de nivel absoluto o de razn son manejados como los datos intervalares.
Intervalar 1) El nivel de medicin intervalar requiere distancias iguales entre cada valor. Por lo general utiliza datos cuantitativos. Por ejemplo: temperatura, atributos psicolgicos (CI, nivel de autoestima, pruebas de conocimientos, etc.) 2) Las unidades de calificacin son equivalentes en todos los puntos de la escala. Una escala de intervalos implica: clasificacin, magnitud y unidades de tamaos iguales (Brown, 2000). 3) Se pueden hacer operaciones aritmticas 4) Cuando se le pide al sujeto que califique una situacin del 0 al 10 puede tomarse como un nivel de medicin intervalar, siempre y cuando se incluya el 0

Las variables intervalares y de razn se pueden incluir en operaciones aritmticas y para efectos de anlisis estadsticos se consideran con las mismas propiedades y se clasifican en un rubro general llamado nivel escalar.

Las variables ordinales, por otro lado, aparentemente no se pueden sumar, pero cuando se tiene una escala con reactivos calificados en un nivel ordinal, al ser sumados el resultado de esta suma puede ser considerado como intervalar, ya que matemticamente se comporta como tal.

Para los problemas de comparacin: Nivel NOMINAL: Aqu se habla de proporciones y / o categoras. Cmo es la relacin entre fumar o no y morir por cncer pulmonar? H0: La proporcin de sujetos que mueren por cncer pulmonar es igual entre fumadores y no fumadores. H1: La proporcin de sujetos que mueren por cncer pulmonar es diferente entre fumadores y no fumadores
Nivel ORDINAL: Aqu se habla de jerarquas y / o niveles. Cmo es el nivel de creatividad entre los nios de comunidades rurales, urbanas e indgenas? H0: El nivel de creatividad es igual entre nios de comunidades rurales, urbanas e indgenas. H1: El nivel de creatividad es diferente entre nios de comunidades rurales, urbanas e indgenas.

Nivel INTERVALAR: Se comparan las medias y tambin se habla de niveles. Se desea conocer cmo el nivel de estrs de los sujetos afecta su nivel de irritabilidad hacia sus compaeros de trabajo. Para ello se conformaron tres grupos, bajo estrs, estrs regular y alto estrs, con 7 profesionistas cada uno, a quienes se les evalu su nivel de irritabilidad preguntndoles en una escala de 0 a 10 que indique: cotidianamente qu tan irritable se muestra con sus compaeros de trabajo? H0: El nivel de irritabilidad hacia los compaeros de trabajo es igual entre los tres grupos de estrs. H1: El nivel de irritabilidad hacia los compaeros de trabajo es diferente entre los tres grupos de estrs.

Mtodos de anlisis complementarios: el tamao del efecto

Para obviar estos problemas, o para al menos minimizarlos e interpretar mejor los resultados, una de las nuevas tcnicas que se van imponiendo es calcular la magnitud o tamao del efecto. Aqu le denominaremos tamao del efecto (no hay unanimidad ni en los trminos, ni en los smbolos utilizados). La expresin efecto se refiere obviamente al resultado de un tratamiento experimental, o consecuencia asociada a una determinada variable independiente, pero se utiliza igualmente en los casos en los que no hay un diseo propiamente dicho, sino un simple contraste de medias.
El tamao del efecto se ha explicado de diversas maneras: nos dice cunto de la variable dependiente se puede controlar, predecir o explicar por la variable independiente (Snyder y Lawson, 1993) o en qu grado la hiptesis nula es falsa (Cohen, 1988); en definitiva el tamao del efecto, como la misma palabra tamao expresa, nos a permitir hablar de magnitudes, de diferencia grande o pequea7 y consiguientemente de la relevancia de la diferencia encontrada.

Estos procedimientos se han desarrollado en buena medida en conexin con el meta anlisis (o sntesis cuantitativas de los resultados de diversos estudios), pero son utilizables y recomendados en cualquier otro planteamiento de investigacin primaria. Lo que se pretende bsicamente con estos procedimientos es: 1 Cuantificar una diferencia de manera que se pueda interpretar mejor en trminos de magnitud e importancia para no confundir la significacin estadstica de un resultado con su relevancia prctica. 2 Poder comparar unas diferencias con otras que procedan de estudios diferentes (e incluso obtenidas con instrumentos distintos y analizadas con mtodos estadsticos distintos).

3 Poder unir o resumir cuantitativamente los resultados obtenidos en investigaciones distintas. De esto trata precisamente el meta-anlisis. Se trata en definitiva de llegar a una mtrica comn que facilite la interpretacin y la integracin de resultados. Por estas razones es importante completar el contraste de medias con el clculo del tamao del efecto porque nos permite: 1 Interpretar mejor una diferencia estadsticamente significativa (e incluso una diferencia no significativa, que tambin puede tener su inters) 2 Establecer comparaciones entre diferencias que proceden de pares de grupos de tamao muy distinto

3 Hacer sntesis claras e interpretables que proceden de estudios distintos

Concepto y frmula bsica Cuando se habla del tamao del efecto , sin ms aclaraciones y sobre todo en el contexto de la diferencia entre dos medias, se suele entender otro clculo distinto del coeficiente de correlacin. Como ya sabemos, el valor de t (o z) nos dice con qu seguridad (o con qu probabilidad de error) podemos afirmar que hay una diferencia distinta de cero entre las medias de las poblaciones representadas por las muestras cuyas medias contrastamos (es decir, si la hiptesis nula es falsa). Lo que se pretende cuantificar con la magnitud del efecto es en qu grado o en qu medida la hiptesis nula es falsa.. En trminos ms simples, la magnitud del efecto nos permite apreciar si la diferencia es grande o es pequea. La frmula bsica del tamao del efecto:

d= X 1 - X 2 Donde X1 es la media pre-tratamiento, X2 es la media pos-tratamiento y es la desviacin estndar pre-tratamiento.

Consecuencias directas de tipificar las diferencias Lo que tenemos con esta frmula [2], una diferencia entre dos medias dividida por una desviacin tpica, viene a ser lo mismo que una puntuacin tpica (z): nos dice a cuntas desviaciones tpicas equivale la diferencia, por lo que su interpretacin es sencilla y muy til. Podemos resumirla en los puntos siguientes. 1. El valor de este tamao o magnitud es independiente de las puntuaciones originales; por lo tanto estos valores son comparables entre s aun cuando vengan de estudios distintos e incluso aunque se hayan utilizado instrumentos distintos, por ejemplo, distintas medidas de autoconcepto, de rendimiento, etc., con tal de que se trate de la misma variable aunque se entienda a un nivel ms genrico (esto es normal en el meta-anlisis). Si por ejemplo hemos comparado dos grupos en autoconcepto utilizando una escala con 4 respuestas, y otros dos grupos con otra escala con 6 respuestas, las diferencias entre las medias no son comparables directamente entre s, pero s lo son las diferencias tipificadas.

2. Como todos los valores del tamao del efecto son comparables entre s, de estos valores se puede calcular la media procedente de estudios diferentes, para resumir todos los resultados en un nico dato; en esto consiste precisamente el procedimiento cuantitativo del meta-anlisis. Sin necesidad de hacer un meta-anlisis, cualquier investigador que haya hecho varios estudios comparando diversos pares de medias en la misma variable con el mimo instrumento: a) Puede calcular la media de los tamaos del efecto para dar una sntesis de sus resultados en vez de limitarse a sealar cuntas veces ha habido un resultado significativo. b) Tambin puede verificar qu caractersticas (por ejemplo de la situacin) estn asociadas al tamao del efecto. Para esto basta calcular coeficientes de correlacin; cada estudio o comparacin particular se convierte en el sujeto del nuevo anlisis del que disponemos de dos datos (o muchos ms pero tomados de dos en dos): caracterstica del estudio (por ejemplo nmero de sujetos utilizado, edad media de la muestra, etc.) y tamao del efecto. 3. Si suponemos que la distribucin es normal en la poblacin, esta diferencia tipificada nos da una informacin adicional que no nos da el coeficiente de correlacin visto antes (las observaciones anteriores tambin son aplicables al coeficiente de correlacin utilizado como tamao del efecto).

Si, por ejemplo d = 1, esto quiere decir que la media del grupo con media mayor se aparta una desviacin tpica de la media del grupo con media ms pequea (figura 1). La media ms pequea es ahora igual a z = 0 y la media mayor es igual a z = 1.

b) Valoracin de la magnitud del tamao del efecto Sobre cundo se puede considerar grande o pequeo un determinado valor suelen aceptarse estas orientaciones (Cohen, 1988): d = .20 (pequeo), d = .50 (moderado) d = .80 (grande). Estas orientaciones son un tanto arbitrarias (el autor las propone simplemente como orientacin); aunque son muy aceptadas como razonables y se citan frecuentemente en la bibliografa experimental, no conviene tomarlas como norma absoluta.
En la tabla 3 tenemos la proporcin de sujetos del grupo con media menor superados por el sujeto medio del grupo con media mayor para los tres tamaos del efecto propuestos como referencia por Cohen.

Para hacer una evaluacin dimensional de los resultados, no es suficiente con el uso exclusivo de mtodos inferenciales que nos proporcionen la significancia estadstica de los cambios. Se debe tambin evaluar el impacto positivo que nuestras intervenciones tienen sobre la vida diaria de los pacientes, es decir, la significancia clnica.
Para dicha evaluacin, se consideran 3 aspectos principales: la mejora, la recuperacin o una combinacin de ambas. La mejora es definida como un cambio estadsticamente confiable, es decir, lo suficientemente grande para no ser atribuido al error y para ser notado por otros. El mtodo ms comnmente utilizado para evaluar la confiabilidad de cambio es determinando el ndice de cambio confiable (RCI) con el mtodo de Jacobson y Truax, que toma en cuenta el registro pre-tratamiento (Xpre), el registro post.tratamiento (Xpost) y el error estndar de la diferencia entre los dos (Sdiff):

RCI= Xpre - Xpost

Sdiff

Descriptives Depresin 95% Confidence Interval for Mean N 1.00 50 Mean 25.3600 Std. Deviation 9.61241 Std. Error 1.35940 Lower Bound 22.6282 Upper Bound 28.0918 Minimum 17.00 Maximum 55.00

2.00
Total

50
100

15.2000
20.2800

3.49927
8.82384

.49487
.88238

14.2055
18.5292

16.1945
22.0308

8.00
8.00

22.00
55.00

ANOVA Depres

Sum of Squares
Between Groups 2580.640

df
1

Mean Square
2580.640

F
49.323

Sig.
.000

Within Groups
Total

5127.520
7708.160

98
99

52.322

Oneway
ndice de Cambio confiable = X del pretratamiento X del postratamiento Diferencia del Error Estndar 25.36 15.20 = 11.47 .8823

La recuperacin est definida segn los parmetros de Kendall y Grove, para ser significativa, como el regreso de los registros de resultados a la norma emprica. Para lo cual se puede hacer uso de los puntos de corte determinados con base en investigaciones previas, como en el caso de la depresin en que la recuperacin estar definida por la obtencin de un puntaje de 9 o menos en el BDI (Ogles, Lunnen & Bonesteel, 2001). Jacobson y Truax sugieren tambin como posibles puntos de corte para considerar que un puntaje postratamiento es funcional, cuando cae dentro de 2 desviaciones estndar de la media del grupo funcional; cuando se aleja al menos dos desviaciones estndar del grupo disfuncional, o cuando se encuentra al menos a la mitad entre estos dos punto. Pero como no siempre es posible el regreso a un nivel de funcionamiento normal, se sigue las sugerencias de Tingey et al., quienes sealan que cuando se cuenta con una escala que mide la patologa en un continuo de severidad como el SCL-90-R, o como el BDI, ms que con la comparacin con un grupo de referencia normal, se puede considerar un cambio significativo cuando el paciente se mueve de un puntaje inicial de severidad al siguiente. Estrategia que es sugerida para la evaluacin de los cambios significativos en poblaciones con enfermedades crnicas (Asenlf et al., 2006; Ogles, Lunnen & Bonesteel, 2001), como lo es la depresin.