Señor Editor:
En el número 2 del volumen 22 de la Revista Cubana de Reumatología, se publicó un importante estudio que reporta la existencia de una correlación positiva y estadísticamente significativa entre el estado nutricional (EN) y la actividad clínica (AC), en 96 pacientes con diagnóstico de artritis reumatoide, cuyos datos fueron analizados mediante la significación estadística de la hipótesis nula (NHST, por sus siglas en inglés) “p<0,05”, Para ello se empleó el coeficiente de correlación de Pearson,1 que infiere el rechazo de la hipótesis nula (no correlación) y brinda mayor confianza de verosimilitud al investigador a asumir la hipótesis alterna (correlación).
Se recomienda la replicación de las investigaciones en ciencias de la salud basadas en el enfoque NHST para generar una evidencia en la investigación en reumatología de mayor credibilidad. Esto es posible mediante la inferencia bayesiana, pues permite reanalizar el hallazgo significativo reportado por Hernández y otros,1 quienes emplearon el método del factor de Bayes referido como la probabilidad de los datos bajo una hipótesis en relación con la otra (hipótesis nula vs. hipótesis alterna).2,3,4 Es decir, que el factor Bayes estima la cuantificación del grado o evidencia en que los datos apoyan tanto la hipótesis nula como la hipótesis alterna para su contraste más allá de la interpretación dicotómica del rechazo o aceptación de la hipótesis nula (NHST).3,4,5 Esta alternativa metodológica permite inferir a partir de los resultados observados en una muestra o población estudiados y extraer conclusiones que van más allá del marco estudiado, y cuya interpretación está basada en el esquema de clasificación de valores de Jefreys:3,4,5 “débil”, moderado”, “fuerte” “muy fuerte” y “extrema” (Tabla).
>100 | Extrema | Hipótesis alterna |
30+100 | Muy fuerte | Hipótesis alterna |
10+30 | Fuerte | Hipótesis alterna |
3,1-10 | Moderado | Hipótesis alterna |
1,1-3 | Débil | Hipótesis alterna |
1 | 0 | No hay evidencia |
0,3-0,9 | Débil | Hipótesis nula |
0,29-0,1 | Moderado | Hipótesis nula |
0,09-0,03 | Fuerte | Hipótesis nula |
0,03-0,01 | Muy fuerte | Hipótesis nula |
<0,01 | Extrema | Hipótesis nula |
Nota: Creación propia según la escala de clasificación de Jeffreys.4
Se tuvo como fin de la presente carta reportar un ejemplo sencillo de reanálisis bayesiano para comprobar la hipótesis alterna (correlación) a partir del estado de los p valores.2
Para cumplir el objetivo de la presente carta se consideró los datos del tamaño de muestra y el coeficiente de correlación Pearson de AC-EN (0,761) reportado por Hernández y otros.1. El factor Bayes tiene en cuenta dos interpretaciones: FB10 (a favor de la hipótesis alterna de significancia) y BF01 (a favor de la hipótesis nula), con un intervalo de credibilidad del 95 %.5,6,7,8
Los resultados obtenidos del factor Bayes evidenciaron que BF10=5,1e+16 y BF01=1,96e-17 e IC 95 % [0,654-0,831], lo que respaldó los resultados con respecto a la relación estadística entre AC-EN reportada por Hernández y otros.1 También se notifica el parámetro del factor Bayes máximo (maxBF10=5,253e+16) para determinar la estabilidad de los resultados, cuya estimación de mayor magnitud de respaldo al hallazgo significativo de correlación fortalece la confiabilidad de la inferencia bayesiana.3,5
El factor Bayes es de gran utilidad en otros análisis y reanálisis estadísticos que se basan en el enfoque NHST “p<0,05” (prueba t, regresión lineal, regresión logística, ANOVA), por lo que es de gran relevancia la difusión del uso e interpretación del factor Bayes en las ciencias de la salud.7,8,9 Adicionalmente permite reforzar las investigaciones cuantitativas sistemáticas que usen dichas pruebas estadísticas para una mayor credibilidad en las conclusiones de estudios metaanalíticos. Por lo tanto, espero que esta carta contribuya como aporte metodológico inclusivo para futuros artículos en la presente revista.