Los proveedores médicos a menudo confían en la medicina basada en la evidencia para guiar la toma de decisiones en la práctica. A menudo, se prueba una hipótesis de investigación con los resultados proporcionados, típicamente con valores de P, intervalos de confianza o ambos. Además, los investigadores estima o determinan la importancia estadística o de investigación. Desafortunadamente, los proveedores de atención médica pueden tener diferentes niveles de confort para interpretar estos hallazgos, lo que puede afectar la aplicación adecuada de los datos.
Sin una comprensión fundamental de las pruebas de hipótesis, los valores de P, los intervalos de confianza y la diferencia entre la significación estadística y clínica, puede afectar la capacidad de los proveedores de atención médica para tomar decisiones clínicas sin depender exclusivamente de los investigadores de investigación que consideren un nivel de significancia. Por lo tanto, se proporciona una descripción general de estos conceptos para permitir que los profesionales médicos usen su experiencia para determinar si los resultados se informan lo suficiente y si los resultados del estudio son clínicamente apropiados para aplicarse en la práctica de la salud.
Los investigadores que realizan estudios necesitan preguntas de investigación e hipótesis para guiar los análisis. Comenzando con amplias preguntas de investigación (RQS), los investigadores identifican una brecha en la práctica o investigación clínica actual. Cualquier problema o declaración de investigación se basa en una mejor comprensión de las relaciones entre dos o más variables. Para este artículo, utilizaremos el siguiente ejemplo de pregunta de investigación:
Pregunta de investigación: ¿Es el medicamento 23 un tratamiento efectivo para la enfermedad A?
¿Qué es la comprobación de la hipótesis?
Veamos en resumen cuáles son los pasos para realizar una prueba de hipótesis:
- Defina la hipótesis principal H0. Esta es normalmente la comparación entre dos parámetros estadísticos (por ejemplo, desarrollo medio o estándar). Esta comparación puede expresarse tanto en términos de igualdad como de desigualdad:
- Defina una o más hipótesis alternativas H1, H2… en el caso de que H0 sea µ1 = µ2, las hipótesis alternativas (además de la hipótesis común µ2 que no sea µ2) podría ser:
- Establezca el nivel de confianza con el que desea liderar el análisis. Cuanto mayor sea el nivel de confianza, más probabilidad de cometer un error de primer tipo es bajo (rechazar la hipótesis H0, que en realidad es cierta). Por lo general, el nivel de confianza elegido es del 95% o 99%. Uno podría pensar que tener un alto nivel de confianza puede ser una idea razonable. En realidad, aumentar el nivel de confianza aumenta el riesgo de cometer un segundo error de tipo, o el error de aceptar la hipótesis H0 cuando esto es realmente falso. Identificó el nivel de confianza a menudo esto se indica como cl. 1-Cl se llama α (nivel de prueba de la prueba). Veremos estos conceptos mejor en el próximo párrafo.
- Establezca el poder de la prueba para identificar la validez de una hipótesis alternativa. El poder de la prueba se define como 1-β donde β es la probabilidad de cometer un error de segunda especie. Cuanto menor sea la probabilidad de rechazar una hipótesis alternativa válida y mayor será el poder de la prueba en la identificación.
- Una vez que se elige el nivel de significación y la potencia deseada para la prueba, se determina el tamaño de la muestra. Una muestra más alta tiene efectos sobre el poder de la prueba y disminuye la probabilidad de cometer errores en la ejecución de la prueba de hipótesis. A menudo, sin embargo, sucede que no es posible cambiar el tamaño de la muestra. En estos casos puedes razonar de la manera opuesta. Es decir, la prueba de la prueba se determina a partir del número de datos disponibles.
- Determine el tipo de prueba a realizar. El tipo de prueba a realizar depende de numerosos factores. Por ejemplo, por el número de la muestra como se ve en el punto anterior de esta lista o por el tipo de distribución que caracteriza las muestras de datos disponibles para nosotros. Para la elección de la prueba, nos referimos a las siguientes dos notas:
- Una prueba de muestra: pruebas estadísticas útiles para comparar un parámetro estadístico de un grupo de datos continuos con los de una población
- 2 muestras de prueba: pruebas estadísticas útiles para comparar dos grupos de datos continuos
- Realizar la prueba. Es decir, calcule el valor de la variable de la prueba elegida en el punto anterior (prueba Z SE Z, F SI Test F) y calcule el valor p. El valor p es la probabilidad de obtener los valores de la variable de prueba más extrema que la calculada. Si esta probabilidad es mayor que el nivel de significancia de alfa elegido, entonces se acepta la hipótesis H0. Si el valor p es menor que el nivel de importancia elegido, entonces H0 se rechaza.
Al realizar una prueba de hipótesis estadística, siempre debe recordarse que la prueba puede proporcionar un resultado incorrecto debido, por ejemplo, a una pequeña variaciones aleatorias. Para comprender qué tipo de errores se pueden realizar con una prueba de hipótesis, consideramos la siguiente prueba:
Donde µ1 es el promedio asociado con una distribución y µ2 es el promedio asociado con una segunda distribución. Con la prueba de hipótesis anterior, preguntamos si la diferencia observable entre las dos escuelas intermedias se debe a variaciones aleatorias (en sí misma población) o si se deben a una diferencia real entre las dos muestras.
Hemos visto en el párrafo anterior que el paso siguiente a la definición de hipótesis es la elección del nivel de confianza. Normalmente hay niveles de confianza del 95% o 99% (que corresponden al nivel de α de nivel de significancia igual al 5% y al 1% respectivamente). Un nivel de confianza del 95% significa que la probabilidad de cometer un error es igual a uno de cada 20 casos. La elección del nivel de confianza puede depender de varios factores, como el tipo de prueba o el tamaño de la muestra disponible. Vemos desde un punto de vista gráfico lo que significa aumentar el nivel de confianza de una prueba de hipótesis. Todavía consideramos el caso de la comparación entre dos promedios de dos muestras:
Aumentar el nivel de confianza (y, por lo tanto, disminuir el nivel de significancia α) tiene un efecto muy importante en la prueba de hipótesis: aumenta la posibilidad de aceptar H0 (aumentando el área gaussiana subyacente a los dos límites de α/2 en la distribución de la distribución de la distribución de la distribución de la distribución de la distribución de Primera muestra, es más fácil para la segunda muestra caer en esta área) desventaja de H1.
¿Qué pasa si no se comprueba la hipótesis?
El marco más común utilizado al realizar un experimento es el método científico. Las características distintivas del método científico incluyen: hacer una pregunta específica, idear una hipótesis, experimentar para recopilar datos, analizar los datos y luego evaluar si la hipótesis es correcta en función de los datos experimentales. Cuando los datos respaldan la hipótesis, los hallazgos se pueden publicar o compartir. Sin embargo, ¿qué sucede si los hallazgos no confirman la hipótesis? Aquí hay posibles próximos pasos para tomar.
La redacción es parte del proceso de evaluación del experimento. No importa lo que sucedió durante el experimento, los resultados deben compartirse, ya sea que confirman o niegan la hipótesis. Evalúe todas las etapas del experimento (la hipótesis, la etapa experimental y la fase de análisis) y revele los resultados. A continuación, identifique problemas que surgieron durante el proceso experimental y siga eso en el artículo con sugerencias de mejoras y futuros cursos de acción. La clave para elaborar la sección sobre futuros cursos de acción es trabajar sistemáticamente hacia atrás para determinar dónde podría haber tenido lugar el error y luego hacer correcciones para ver si los cambios en esas áreas de brecha podrían conducir a diferentes resultados. La redacción es necesaria para documentar lo que sucedió durante el experimento. Se convierte en parte de la literatura de fondo que rodea el tema que se cuestiona o experimenta.
Haga ligeros cambios en el proceso trabajando metódicamente hacia atrás, comenzando con una verificación del proceso de análisis. ¿Estaba apagado el análisis? A veces, los datos experimentales se evalúan incorrectamente. Eso significa que debe determinar si el análisis es donde se encuentra el error. Por ejemplo, algunos experimentos de física requieren cálculos matemáticos. Si estos cálculos contienen errores, entonces el análisis muestra datos que no coinciden con la hipótesis. Corregir cualquier cálculo matemático es un paso necesario después de cualquier experimento, especialmente si tienen una relación sobre si los datos confirman la hipótesis. Además de los análisis de cálculo matemático, pueden ocurrir evaluaciones que se centran en las comparaciones, hacer predicciones o hacer descubrimientos. Si los análisis revelan discrepancias, verifique si hubo algún error en los procesos de comparaciones, predicciones o descubrimientos. Arrotar estos errores puede aliviar cualquier discrepancia de datos a hipótesis.
El error humano puede sesgar datos experimentales, y el error humano puede criar su cabeza en la etapa experimental, ya sea al configurar el experimento, ejecutar el experimento, observar el experimento o tabular los resultados experimentales. Minimizar los errores en la etapa experimental puede afectar si los resultados confirman la hipótesis o no. Puede haber habido otras variables que surgieron que no se anticiparon o no pudieron medirse que afectaron los resultados experimentales.
Artículos Relacionados:
