SciELO - Scientific Electronic Library Online

 
vol.8 número1 índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

  • Não possue artigos citadosCitado por SciELO

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Revista Virtual de la Sociedad Paraguaya de Medicina Interna

versão On-line ISSN 2312-3893

Rev. virtual Soc. Parag. Med. Int. vol.8 no.1 Asunción mar. 2021

https://doi.org/10.18004/rvspmi/2312-3893/2021.08.01.189 

CARTA AL EDITOR

Un caso de replicación mediante el factor Bayes en las ciencias de la salud

A case of replication using the Bayes factor in the health sciences

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


Señor Editor.

En el número 1 del volumen 7 de la Revista virtual de la Sociedad Paraguaya de Medicina Interna se publicó un importante estudio que reporta la existencia de una correlación positiva y estadísticamente significativa entre el índice de masa corporal (IMC) y la presión arterial diastólica (PAD), en 170 pacientes con diagnóstico de cáncer de mama 1. Estos datos fueron analizados mediante la significación estadística de la hipótesis nula (NHST, siglas en inglés) “p<0,05”, utilizando el coeficiente de correlación de Spearman, 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 concluyente con mayor credibilidad 2. Esto es posible mediante la inferencia bayesiana, pues permite reanalizar el hallazgo significativo reportado en este artículo, donde el método del factor de Bayes es referido como la probabilidad de los datos bajo una hipótesis en relación con la otra (hipótesis nula vs hipótesis alterna) 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) 3-5. La interpretación está basada en el esquema de clasificación de valores de Jefreys (3-5: “débil”, moderado”, “fuerte” “muy fuerte” y “extrema” (tabla 1).

Tabla 1. Valores de interpretación cuantificable del factor Bayes 

>100 Extrema Hipótesis alternativa
30-100 Muy fuerte Hipótesis alternativa
10-30 Fuerte Hipótesis alternativa
3,1-10 Moderado Hipótesis alternativa
1,1-3 Débil Hipótesis alternativa
1 0 No 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 de reanálisis bayesiano para comprobar la hipótesis alterna (correlación) 2. Se consideró los datos del tamaño de muestra y el coeficiente de correlación Spearman de IMC-PAD (0,15) reportado por Ayala et al.1. El factor Bayes considera dos interpretaciones: FB10 (a favor de la hipótesis alternativa de significancia) y BF01 (a favor de la hipótesis nula), con un intervalo de credibilidad del 95% (5-8.

Los resultados obtenidos del factor Bayes evidenciaron que BF10=6,614 y BF01=0,151 e IC95% (0,048-0,247), lo que respaldó los resultados con respecto a la relación estadística entre IMC-PAD reportada por Ayala et al.1, mientras la estimación de probabilidad bayesiana de la hipótesis nula (BF01) fue proporcionalmente menor en contraste a la hipótesis alterna (6 veces mayor).

Así también, se reporta el parámetro del factor Bayes máximo (maxBF10=14,23) 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), siendo de gran relevancia la difusión del uso e interpretación del factor Bayes en las ciencias de la salud (7-9. Adicionalmente permite reforzar las investigaciones cuantitativas sistemáticas que usen dichas pruebas estadísticas para una mayor credibilidad en las conclusiones de estudios meta-analíticos. Por lo tanto, se considera esta carta como un aporte metodológico inclusivo para futuros artículos en la presente revista.

Dr. Cristian Antony Ramos-Vera Miembro de la Sociedad Peruana de Psicometría

REFERENCIAS BIBLIOGRÁFICAS

1. Ayala León SJ, Cabral F, Escalada G, Cabral L, Ayala León M, Gauna C. Factores de riesgo cardiovascular en pacientes con cáncer de mama ¿Existe correlación con las referencias internacionales? Rev. Virtual Soc. Parag. Med. Int. 2020; 7(1):66-76. [ Links ]

2. Ly A, Raj A, Etzn A, Marsman M, Gronau QF, Wagenmakers E-J. Bayesian reanalyses from summary statistics: a guide for academic consumers. Adv Meth Pract Psychol Sci /Internet/. 2018 /cited 2020 Feb 10/; 1(3):367-74. Available from: Available from: https://journals.sagepub.com/doi/full/10.1177/2515245918779348 . [ Links ]

3. Goss-Sampson MA. Bayesian inference in JASP: A guide for students /Internet/. Amsterdam: Johnny Van Doorn & EJ Wagenmakers, JASP; 2020. /cited 2020 Feb 15/. Available from: Available from: http://static.jasp-stats.org/ Manuals /Bayesian_Guide_v0_12_2_1.pdf . Available from: http://static.jasp-stats.org/ Manuals /Bayesian_Guide_v0_12_2_1.pdf. http://dx.doi.org/10.17605/OSF.IO/CKNXM . [ Links ]

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

5. Marsman M, Wagenmakers EJ. Bayesian benefits with JASP. Eur. J. Dev. Psychol /Internet/. 2017 /cited 2020 Marzo 3/; 14(5):545-55. Available from:Available from:https://www.tandfonline.com/doi/full/10.1080/17405629.2016.1259614 . [ Links ]

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 Psychiatry /Internet/. 2018 /cited 2020 Abr 5/; 18(1):178. Available from: Available from: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5991426/.Links ]

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(142):1-12. https://doi.org/10.1186/s12874-020-00980-6Links ]

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: 28 de Noviembre de 2020; Aprobado: 04 de Diciembre de 2020

Correo electrónico: cristony_777@hotmail.com

El autor no declara conflictos de interés.

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