El siguiente es un resumen del artículo de Richard Armstrong publicado en Optometry Today en junio de 2000.
Los programas computacionales emplean una gran variedad de métodos de análisis de datos disponibles para los investigadores. La disponibilidad de estos programas, sin embargo, hace necesario que los optometristas entiendan los principios básicos de la estadística. El análisis estadístico de datos suele ser complejo, con muchos diferentes métodos de enfoque, cada uno de los cuales aplica en una circunstancia experimental particular. Así que es posible aplicar el método estadístico equivocado a los datos y sacar las conclusiones equivocadas de un experimento.
El conocimiento de la estadística es esencial por cuatro razones. Primero, es necesario para entender los datos estadísticos reportados en cantidades cada vez mayores en los reportes y artículos de investigación. Segundo, a fin de apreciar la información brindada por el análisis estadístico de los datos, es necesario entender la lógica con la cual se forman las bases de los procedimientos más comunes. Tercero, es necesario ser capaz de aplicar correctamente un rango de pruebas estadísticas comunes. Cuarto, bajo ciertas circunstancias, se necesitará el consejo de algún estadístico profesional con alguna experiencia en optometría. Así que será necesario ser capaz de comunicarse con el estadístico, pedir recomendaciones y entenderlas.
La estadística en la investigación.
El estudio científico de cualquier tema incluye tres aspectos básicos:
- Recolectar las pruebas
- Procesar las pruebas
- Sacar conclusiones de las pruebas
El análisis estadístico es el paso más importante en procesar las pruebas para que pueda obtenerse una conclusión válida de los datos. Con frecuencia pueden hacerse dos tipos de preguntas en los estudios científicos. El primer tipo es la prueba de hipótesis, por ejemplo ¿poner un filtro de color frente a los ojos de una persona mayor afecta su habilidad para leer bien? La respuesta a esta pregunta puede ser “sí” o “no” y con frecuencia se diseña un experimento para obtener la respuesta.
Por convención, las hipótesis son establecidas generalmente como negativa o “hipótesis nula”, es decir, preferimos creer que no hay efecto del filtro de color en la habilidad para leer hasta que el experimento pruebe lo contrario. El segundo tipo de pregunta incluye la estimación de una cantidad. Puede establecerse que el filtro de color afecta la habilidad para leer en las personas mayores y puede diseñarse un experimento para cuantificar este efecto en un grupo de edad particular. El análisis estadístico de los datos permite probar la hipótesis nula y el error involucrado al estimar las cantidades a ser determinadas.
El requerimiento esencial para el análisis estadístico de los datos en las ciencias biológicas puede ser apreciado al estudiar un simple experimento hipotético. El objetivo es probar la hipótesis de que la vitamina A consumida en la dieta durante un período de tiempo mejora la agudeza visual de un sujeto.
Se seleccionan dos sujetos, a uno de los cuales se le da vitamina A (el individuo tratado o T) y al otro se le da un placebo (el individuo control o C). Se mide la agudeza visual al final del experimento y se comparan los dos sujetos. La diferencia entre los dos resultados (T-C) representa el posible efecto de la vitamina A. Sin embargo, hay algunos problemas en la interpretación de la cantidad T-C como un estimado del efecto del tratamiento (TE) en el experimento:
a. Hay una variación inherente en la agudeza visual entre individuos, estén tomando o no vitamina A. Así, la diferencia en la agudeza visual entre los dos pacientes puede reflejar esta variación natural más que el efecto del tratamiento. Llamaremos a este efecto un “efecto aleatorio” (RE) atribuíble a la variación natural en la agudeza visual en la población humana.
b. Se asume que las condiciones ambientales de los experimentos son exactamente reproducidas para todos los individuos participantes. Sin embargo, puede haber diferencias ambientales que influyan en la cantidad medida y afecten a los dos sujetos de manera diferente, por ejemplo, los dos pacientes pueden haber sido medidos a diferente hora y la agudeza visual podría depender de la hora del día. Más aún podrían haber sido medidos en clínicas separadas, por diferentes observadores o usando equipo diferente. A este efecto le llamaremos “efecto ambiental” (EV).
c. Puede haber errores al medir la agudeza visual (EM), es decir, medidas sucesivas en el mismo paciente pueden variar en algún grado. Un error de medida puede ser más grande para un paciente que, por ejemplo, fué menos complaciente que otro.
Se tiene que: T-C=TE+RE+EV+EM.
Así, en un experimento, necesitaríamos tomar en cuenta la variación natural en la agudeza visual (RE), la naturaleza de los errores de la medida (EM) e intentar controlar o eliminar la variación ambiental (EV) para tener confianza en que estamos estimando el efecto del tratamiento (TE) de manera precisa.
Para llevar a cabo esta investigación adecuadamente se requiere de un buen diseño experimental.
Referencia
No hay comentarios:
Los comentarios nuevos no están permitidos.