SciELO - Scientific Electronic Library Online

 
vol.23 número1Las alfa globulinas como reactantes de fase aguda en el lupus eritematoso sistémico índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Revista Cubana de Reumatología

versión On-line ISSN 1817-5996

Rev Cuba Reumatol vol.23 no.1 La Habana ene.-abr. 2021  Epub 01-Abr-2021

 

Carta al editor

Un ejemplo del factor Bayes en la investigación de Reumatología

An example of the Bayes factor in Rheumatology research

Cristian Antony Ramos-Vera1  * 
http://orcid.org/0000-0002-3417-5701

1Universidad César Vallejo, Facultad de Ciencias de la Salud, Área de investigación. Lima, Perú.

2Sociedad Peruana de Psicometría. Lima, Perú.

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).

Tabla- Valores de interpretación cuantificables del factor Bayes 

>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.

Referencias bibliográficas

1. Hernández Batista SC, Villafuerte Morales JE, Chimbolema Mullo SO, Pilamunga Lema CL. Relación entre el estado nutricional y la actividad clínica en pacientes con artritis reumatoide. Rev Cubana Reumatol. 2020 [Acceso 27/11/2020];22(2):1-16. Disponible en: http://www.revreumatologia.sld.cu/index.php/reumatologia/article/view/781/pdfLinks ]

2. Ly A, Raj A, Etz A, Gronau QF, Wagenmakers EJ. Bayesian reanalyses from summary statistics: A guide for academic consumers. Adv Meth Pract Psychol Sci. 2018 [Acceso 27/11/2020];1:367-74. Disponible en: https://journals.sagepub.com/doi/full/10.1177/2515245918779348Links ]

3. Goss-Sampson MA. Bayesian Inference in JASP: A Guide for Students. University of Amsterdam: JASP team; 2020. Doi: http://dx.doi.org/10.17605/OSF.IO/CKNXM. Disponible en: http://static.jasp-stats.org/Manuals/Bayesian_Guide_v0_12_2_1.pdf [ Links ]

4. Jeffreys H. Theory of probability. Oxford: Oxford University Press; 1961. [ Links ]

5. Marsmamn M, Wagenmakers EJ. Bayesian benefits with JASP. Eur J Dev Psychol. 2017 [Acceso 27/11/2020];14(5):545-55. Disponible en: https://www.tandfonline.com/doi/full/10.1080/17405629.2016.1259614Links ]

6. Nuzzo RL. An introduction to Bayesian data analysis for correlations. PM & R. 2017;9(12):1278-82. https://doi.org/10.1016/j.pmrj.2017.11.003 [ Links ]

7. Quintana DS, Williams DR. Bayesian alternatives for common null-hypothesis significance tests in psychiatry: A non-technical guide using JASP. BMC Psychiatr. 2018 [Acceso 27/11/2020];18(1):178. Disponible en: https://link.springer.com/article/10.1186/s12888-018-1761-4Links ]

8. Kelter R. Bayesian alternatives to null hypothesis significance testing in biomedical research: A non-technical introduction to Bayesian inference with JASP: BMC Med Res Methodol. 2020;20:1-12. Doi: https://doi.org/10.1186/s12874-020-00980-6 [ Links ]

9. Ramos-Vera C. Métodos estadísticos modernos para evaluar diferencias en el contexto pandémico: El caso del género en el miedo a la COVID-19. Rev Cubana Inv Bioméd. 2021 [En prensa]. [ Links ]

Recibido: 27 de Noviembre de 2020; Aprobado: 23 de Diciembre de 2020

*Autor para la correspondencia: cristony_777@hotmail.com

El autor declara que no tiene conflictos de interés.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons