SIGNIFICACIN ESTADSTICA

La realizacin de cualquier estudio clnico-epidemiolgico pretende

poner de manifiesto al final del mismo si existe o no asociacin entre diferentes
variables. Esta asociacin puede ser resultado de que realmente exista la
asociacin indicada, pero esta asociacin tambin puede ser producto del azar,
de la presencia de sesgos o de la presencia de variables de confusin.

En estadstica, un resultado se denomina estadsticamente

significativo cuando no es probable que haya sido debido al azar. Una
"diferencia estadsticamente significativa" solamente significa que hay
evidencias estadsticas de que hay una diferencia entre las variables
estudiadas. No significa que la diferencia sea grande, importante, o significativa
en el sentido estricto de la palabra, slo indica que hay diferencias.

Una de las aplicaciones de la estadstica es hacer inferencias a

poblaciones, a partir de muestras. En la realizacin de este proceso, siempre
existe el riesgo de error o imprecisin ya sea por el azar o la variabilidad
biolgica del fenmeno a estudiar.
DEFINICION

El nivel de significacin de un test es un concepto estadstico asociado a

la verificacin de una hiptesis. En pocas palabras, se define como la
probabilidad de tomar la decisin de rechazar la hiptesis nula (H0) cuando
sta es verdadera (decisin conocida como Error tipo I, o "falso positivo"). La
decisin se toma a menudo utilizando el valor P (o p-valor): si el valor P es
inferior al nivel de significacin, entonces la hiptesis nula es rechazada.
Cuanto menor sea el valor P, ms significativo ser el resultado.

La Ho (hiptesis nula) representa la afirmacin de que no hay asociacin

entre las dos variables estudiadas y la H1 (hiptesis alternativa) afirma que hay
algn grado de relacin o asociacin entre las dos variables.

Realidad (Poblacin)
No existe
Existe diferencia o
diferencia o
asociacin
asociacin
(H0 falsa)
(H0 cierta)
Diferencia o
asociacin No error Error tipo I
significativa
Resultado de (1-) Error
la prueba (rechazo H0)
Diferencia o
(muestra) asociacin no Error tipo II No error
significativa
Error (1-)
(No rechazo H0)

Ho (hiptesis nula) = No hay diferencia entre ambos tratamientos.

H1 (hiptesis alternativa) = S existe diferencia.

El nivel de significacin se estableci siguiendo los comentarios del

estadstico Fisher que seal "...es conveniente trazar una lnea de
demarcacin a partir de la cual podamos decir: o bien hay algo en el
tratamiento...".

El valor de "p" que indica que la asociacin es estadsticamente

significativa ha sido arbitrariamente seleccionado y por consenso se considera
en 0.05.
 Una seguridad del 95% lleva implcito una p < de 0.05.
Una seguridad del 99% lleva implcita una p < 0.01.

Cuando rechazamos la Ho (hiptesis nula) y aceptamos la H1 (hiptesis

alternativa) como probablemente cierta afirmando que hay una asociacin, o
que hay diferencia, estamos diciendo en otras palabras que es muy poco
probable que el azar fuese responsable de dicha asociacin.

Del mismo modo si la p>0.05 decimos que el azar no puede ser excluido
como explicacin de dicho hallazgo y no rechazamos la Ho (hiptesis nula) que
afirma que ambas variables no estn asociadas o correlacionadas.

La significacin estadstica depende de 2 componentes fundamentales:

- Magnitud de la diferencia Cuanto ms grande sea la diferencia entre 2

variables, ms fcil es demostrar que la diferencia es significativa.
- Tamao muestral A mayor tamao muestral, ms fcil es detectar
diferencias. Lo hace a travs de del error estndar: a mas pacientes
menor error estndar.

Error de tipo I ()

El error tipo I, conocido tambin como erro tipo alfa, se comete cuando el
investigador rechaza la hiptesis nula (H0), siendo sta verdadera en la
poblacin. Es equivalente a encontrar un resultado falso positivo, ya que el
investigador concluye que hay diferencia, cuando en realidad no existe.

La "p" no es un indicador de fuerza de la asociacin ni de su

importancia. La significacin estadstica es por tanto una condicin resultante
del rechazo de una hiptesis nula mediante la aplicacin de una prueba
estadstica de significacin. El nivel de significacin es el riesgo o la
probabilidad que voluntariamente asume el investigador de equivocarse al
rechazar la hiptesis nula, cuando en realidad es cierta. Este riesgo se
establece normalmente en 0.05 (95%) 0.01 (99%).

Si p < 0.05 se considera significativo, en cuyo caso se rechaza la

hiptesis nula
Si p> 0.05 se considera no significativo en cuyo caso no se rechaza
la hiptesis nula.

Error de tipo II ()

El error tipo II o beta se comete en la situacin contraria: cuando el

investigador NO rechaza la hiptesis nula (H0), siendo sta FALSA en la
poblacin. Es equivalente a un resultado falso negativo, ya que el investigador
concluye que ha sido incapaz de encontrar una diferencia que existe en la
realidad.

Su complemento, (1-), conocido como PODER o POTENCIA

ESTADSTICA, representa la probabilidad de observar en la muestra una
determinada diferencia o un efecto, si existen en la poblacin.

El error de tipo I, es por lo tanto rechazar la Ho cuando en realidad es

verdadera. Se podra considerar que para evitar este tipo de error
deberamos de elegir un nivel de confianza ms elevado, sin
embargo al aumentar el nivel de confianza aumenta la probabilidad
de cometer el error de tipo II.

Recomendaciones para disminuir el error de tipo I:

Disponer de una teora que gue la investigacin, evitando el "salir de

pesca" con el ordenador buscando asociaciones entre variables.
Disminuir el nmero de test estadsticos llevados a cabo en el
estudio.
Depurar la base de datos para evitar errores de valores
extremos que puedan producir hallazgos significativos.
Utilizar valores de alfa ms reducidos (0.01 0.001).
Reproducir el estudio. Si al reproducir el estudio se
obtienen resultados similares, estaremos ms seguros de
no estar cometiendo el error de tipo I.

Recomendaciones para disminuir el error de tipo II:

Incrementar el tamao de la muestra.

Estimar el poder estadstico (potencia) del estudio.
Incrementar el tamao del efecto a detectar.
Incrementar el valor de alfa.
Utilizar test paramtricos (ms potentes) en lugar de test no
paramtricos.
 POTENCIA DE UN ESTUDIO

DEFINICION DE POTENCIA

Los estudios cuyos resultados no son estadsticamente significativos

suelen denominarse estudios negativo. Sin embargo, la usencia de
significacin no implica necesariamente que no exista en la realidad una
asociacin relevante entre el factor de estudio y la respuesta.

La probabilidad de cometer este error se conoce como , y su complemento 1-

corresponde a la potencia estadstica, que cuantifica la capacidad de un
estudio para detectar como estadsticamente significativo una determinada
diferencia o asociacin que existe en la realidad.

El poder estadstico de un estudio depende de diferentes factores, como:

1. El tamao del efecto a detectar, es decir, la magnitud mnima de la

diferencia o asociacin entre los grupos que se considera clnicamente
relevante Cuanto mayor sea el tamao del efecto que se desea
detectar, mayor ser la probabilidad de obtener hallazgos significativos
y, por lo tanto, mayor ser el poder estadstico.

2. La variabilidad de la respuesta estudiada.

A mayor variabilidad en la respuesta, ms difcil ser detectar diferencias
entre los grupos que se comparan y menor ser el poder estadstico de
la investigacin.
De ah que sea recomendable estudiar grupos lo ms homogneos
posibles.

3. El tamao de la muestra a estudiar.

A mayor tamao muestral, mayor ser la potencia estadstica de un
estudio.

4. El nivel de significacin estadstica. Si se disminuye el valor de

tambin se disminuye el poder de la prueba.
Habitualmente se trabaja con un nivel de significacin del 95% ( = 0,05),
por lo que el equilibrio hay que en encontrarlo finalmente entre el tamao
de la muestra que es posible estudiar y el poder que se quiere para el
estudio.

Los cuatro factores anteriores, junto con el poder estadstico, forman un

sistema cerrado. De este modo, una vez fijados tres de ellos, el cuarto queda
completamente determinado.
CLCULO DE LA POTENCIA

Generalmente, se suele trabajar con un poder en torno al 80% o al 90%.

Con frecuencia, las condiciones en las que se lleva a cabo una investigacin
son diferentes de las que se haban previsto en un principio. En consecuencia,
y a la vista de hallazgos no significativos, es recomendable evaluar de nuevo a
posteriori su potencia con el fin de discernir si el estudio carece del poder
necesario para detectar una diferencia relevante o bien si realmente puede no
existir tal diferencia.

Existen frmulas que calculan el poder estadstico en funcin de la

naturaleza de la investigacin. Con estas frmulas obtienes un valor, a partir
del cual se determina la potencia recurriendo a unas tablas de la distribucin
normal.

Sin embargo, y aunque dichas frmulas nos permitiran analizar el poder

estadstico en diferentes tipos de diseo, puede resultar ms sencillo disponer
de algn software especfico con el que poder realizar dichos clculos.

Tabla 3. Valores de , y ms frecuentemente utilizados.

Test unilateral Test bilateral

Seguridad

80 % 0,200 0,842 1,282

85 % 0,150 1,036 1,440
90 % 0,100 1,282 1,645
95 % 0,050 1,645 1,960
97,5 % 0,025 1,960 2,240
99 % 0,010 2,326 2,576
Poder estadstico

99 % 0,99 0,01 2,326

95 % 0,95 0,05 1,645
90 % 0,90 0,10 1,282
85 % 0,85 0,15 1,036
80 % 0,80 0,20 0,842
75 % 0,75 0,25 0,674
70 % 0,70 0,30 0,524
65 % 0,65 0,35 0,385
60 % 0,60 0,40 0,253
55 % 0,55 0,45 0,126
50 % 0,50 0,50 0,000
 Tanto si los hallazgos son estadsticamente significativos como si no lo
son, la estimacin de intervalos de confianza pueden tambin facilitar la
interpretacin de los resultados en trminos de magnitud y relevancia clnica,
proporcionndonos una idea de la precisin con la que se ha efectuado al
estimacin, de la magnitud y de la direccin del efecto. De este modo, los
intervalos de confianza nos permiten tener una idea acerca del poder
estadstico de un estudio y, por tanto, de la credibilidad de la ausencia de
hallazgos significativos.