Resumen
Informar en los estudios sobre el tamaño del efecto de una intervención o del impacto de factor(es) sobre un desenlace, permite tomar mejores decisiones para la aplicación de los resultados a la práctica clínica. En este artículo se presenta la manera de analizar el tamaño del efecto, lo cual puede ser mediante métodos estadísticos directos o indirectos. Dentro de los métodos directos, se encuentra la diferencia de promedios entre grupos y la diferencia de frecuencias absolutas o relativas. Dentro de los métodos indirectos se muestran los índices de la familia de “d” de Cohen (que se basan en valores de desviación estándar), la familia de “r y R2”, medidas de asociación (RM, RR, HR) e impacto (NNT). La decisión del uso de cualquiera de los métodos descritos, depende de los objetivos del estudio, la escala de medición usada para evaluar los resultados y la distribución de los datos. Para facilitar la comprensión, se incluyen ejemplos y se resalta la necesidad de incluir los diferentes estadísticos con su nivel de precisión (ej. intervalos de confianza), junto con los umbrales clínicos de decisión, a fin de mejorar su interpretación.
Referencias
Cohen HW. P values: use and misuse in medical literature. Am J Hypertens. 2011;24(1):18-23. DOI: 10.1038/ajh.2010.205
Sullivan GM, Feinn R. Using effect size-or why the p value is not enough. J Grad Med Educ. 2012;4(3):279-282. DOI: 10.4300/JGME-D-12-00156.1
Kelley K, Preacher KJ. On effect size. Psychol Methods. 2012;17(2):137-152. DOI: 10.1037/a0028086
Alhija FN-A, Levy A. Effect size reporting practices in published articles. Educ Psychol Measurment. 2009;69(2):245-265. DOI: 10.1177/0013164408315266
Grissom RJ, Kim JJ. Effect. sizes for reseach: univariate and multivariate application. Segunda edición. Inlgaterra: Taylor & Francis Group; 2012.
Ventura-León J. Otras formas de entender la d de Cohen. Rev Evaluar. 2018;18(3):73-78. DOI: 10.35670/1667-4545.v18.n3.22305
Lakens D. Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Front Psychol. 2013;4:863. DOI: 10.3389/fpsyg.2013.00863
Martínez-Ezquerro JD, Riojas-Garza A, Rendón-Macías ME. Significancia clínica sobre significancia estadística. Cómo interpretar los intervalos de confianza a 95. Rev Alerg Mex. 2017;64(4):477-486. DOI: 10.29262/ram.v64i4.334
Nakagawa S, Cuthill IC. Effect size, confidence interval and statistical significance: a practical guide for biologists. Biol Rev Camb Philos Soc. 2007;82(4):591-605. DOI: 10.1111/j.1469-185X.2007.00027.x
Silva-Ayçaguer LC, Suárez-Gil P, Fernández-Somoano A. The null hypothesis significance test in health sciences research (1995-2006): statistical analysis and interpretation. BMC Med Res Methodol. 2010;10:44. Disponible en: https://bmcmedresmethodol.biomedcentral.com/articles/10.1186/1471-2288-10-44
O’Brien SF, Yi QL. How do I interpret a confidence interval? Transfusion. 2016;56(7):1680-1683. DOI: 10.1111/trf.13635
Schulz R, O’Brien A, Czaja S, Ory M, Norris R, Martire LM, et al. Dementia caregiver intervention research: in search of clinical significance. Gerontologist. 2002;42(5):589-602. DOI: 10.1093/geront/42.5.589
Schechtman E. Odds ratio, relative risk, absolute risk reduction, and the number needed to treat--which of these should we use? Value Health. 2002;5(5):431-436. DOI: 10.1046/J.1524-4733.2002.55150.x
Kraemer HC, Kupfer DJ. Size of treatment effects and their importance to clinical research and practice. Biol Psychiatry. 2006;59(11):990-996. DOI: 10.1016/j.biopsych.2005.09.014
Rendón-Macías ME, García H, Villasís-Keever M. Medidas de riesgo, asociación e impacto en los estudios de investigación clínica. Cómo interpretarlas para su aplicación en la atención médica. Rev Alerg Mex. 2021;68(1):65-75.
Peterson SJ, Foley S. Clinician’s guide to understanding effect size, alpha level, power, and sample size. Nutr Clin Pract. 2021;36(3):598-605. DOI: 10.1002/ncp.10674
Pek J, Flora DB. Reporting effect sizes in original psychological research: a discussion and tutorial. Psychol Methods. 2018;23(2):208-225. DOI: 10.1037/met0000126
Maher JM, Markey JC, Ebert-May D. The other half of the story: effect size analysis in quantitative research. CBE Life Sci Educ. 2013;12(3):345-351. DOI: 10.1187/cbe.13-04-0082
Selya AS, Rose JS, Dierker LC, Hedeker D, Mermelstein RJ. A practical guide to calculating Cohen’s f2, a measure of local effect size, from PROC MIXED. Front Psychol. 2012;3:111. DOI: 10.3389/fpsyg.2012.00111
Cohen J. A power primer. Psychol Bull. 1992;112(1):155-159. DOI: 10.1037//0033-2909.112.1.155
Ialongo C. Understanding the effect size and its measures. Biochem Med (Zagreb). 2016;26(2):150-163. DOI: 10.11613/BM.2016.015
Grzybowski A, Mianowany M. Statistics in ophthalmology revisited: the (effect) size matters. Acta Ophthalmol. 2018;96(7):e885-e888. DOI: 10.1111/aos.13756.
Lininger M, Riemann BL. Statistical primer for athletic trainers: using confidence intervals and effect sizes to evaluate clinical meaningfulness. J Athl Train. 2016;51(12):1045-1048. DOI: 10.4085/1062-6050-51.12.14
Calin-Jageman RJ. The new statistics for neuroscience majors: thinking in effect sizes. J Undergrad Neurosci Educ. 2018;16(2):E21-E25.
Bender R. Calculating confidence intervals for the number needed to treat. Control Clin Trials. 2001;22(2):102-110. DOI: 10.1016/s0197-2456(00)00134-3
Kelter R. Analysis of Bayesian posterior significance and effect size indices for the two-sample t-test to support reproducible medical research. BMC Med Res Methodol. 2020;20(1):88. Disponible en: https://bmcmedresmethodol.biomedcentral.com/articles/10.1186/s12874-020-00968-2
Kelter R. Simulation data for the analysis of Bayesian posterior significance and effect size indices for the two-sample t-test to support reproducible medical research. BMC Res Notes. 2020;13(1):452. DOI: 10.1186/s13104-020-05291-z

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2021 Revista Alergia México