Pruebas de significancia estadísticaLas pruebas de significancia estadística se usan para determinar que probable es que losresultados observados podrían haber ocurrido sólo por el azar, si la exposición no estaba enrealidad relacionada con la enfermedad. En los párrafos siguientes, describimos las característicasclaves de las pruebas más comúnmente utilizadas con tablas 2 por 2. Para la discusión de lateoría, derivaciones, y otros temas más allá del alcance de este libro, sugerimos consultar algunosde los muchos textos de bioestadística que cubren estos tópicos.Las pruebas estadísticas asumen que la población en estudio es una muestra de alguna gran"población de referencia". Luego supone que, en la población de referencia, la incidencia de laenfermedad es la misma para los grupos expuestos y no expuestos. En otras palabras, suponeque, en la población general, la exposición no está relacionada con la enfermedad. Esta suposiciónse conoce como la hipótesis nula. (La hipótesis alternativa, que puede ser adoptada si la hipótesisnula prueba no ser plausible, es que la exposición se asocia con la enfermedad). Luego, calculeuna medida de asociación como el riesgo relativo o la razón de probabilidades. Seguidamente,calcule la prueba de significancia estadística como una Ji cuadrada esta prueba le indica laprobabilidad de encontrar una asociación tan fuerte como (o más fuerte que) la que usted hubieraobservado si la hipótesis nula fuera realmente verdadera. Esta probabilidad se llama el valor de p.Un valor-p muy pequeño significa que usted tendría muy poca probabilidad de observar talasociación si la hipótesis nula fuera verdadera, es decir que, dados los datos que usted tiene, lahipótesis nula no es plausible.Si este valor de p es más pequeño que un límite predeterminado (generalmente 0. 05 o 5%)usted puede descartar (rechazar) la hipótesis nula a favor de la hipótesis alternativa.Al llegar a una decisión acerca de la hipótesis nula, esté alerta contra dos tipos de error. En unerror tipo 1 (también denominado error alfa), la hipótesis nula se rechaza cuando es, en realidadverdadera. En un error tipo 2 (denominado error beta), la hipótesis nula no se rechaza cuando esen realidad falsa.Tanto la hipótesis nula al igual que la hipótesis alternativa, debe especificarse con antelación.Cuando se sabe poco acerca de la asociación que se está probando, usted debe especificarcomo hipótesis nula que la exposición no está relacionada con la enfermedad, (por ejemploRR = 1 u OR = 1) . La hipótesis alternativa correspondiente establece que la exposición y laenfermedad están asociados (RR ≠ 1 u OR ≠ 1). Note que esta hipótesis alternativa incluye lasposibilidades de que la exposición, podría, ya sea incrementar o disminuir el riesgo de laenfermedad.Cuando usted conoce más acerca de la asociación entre una exposición dada y la enfermedad, sepodría especificar una hipótesis más precisa (direccional). Por ejemplo, si es bien conocido queuna exposición aumenta el riesgo de desarrollar un problema de salud particular (ejemplo: fumadoy cáncer de pulmón), usted puede especificar la hipótesis nula de que la exposición noaumenta el riesgo de esa condición (ej: RR 1 o OR>l). De forma similar, si usted ha estadoestudiando una relación de protección bien establecida [sarampión, paperas, rubéola, vacuna(MMR) y sarampión]. Usted podría especificar la hipótesis nula de que RR > 1 y la hipótesisalternativa de que RR < 1.Una hipótesis no-direccional es sometida a prueba a través de una prueba de "2-colas". Unahipótesis direccional requerirá la prueba de una cola. En general, el corte para la prueba deuna cola es dos veces el corte para la prueba de dos colas (es decir, 0.10 en lugar de 0.05).Dado que la elevación del punto de corte para rechazar la hipótesis nula incrementa laprobabilidad de hacer un Error Tipo I, los epidemiólogos en esta situación (de campo)generalmente usan la prueba de 2 colas.16
Dos pruebas diferentes, cada una con variaciones, son utilizadas para hacer pruebas de datos enuna tabla dos por dos. Estos dos tests o pruebas, descritas más adelante son, la prueba exacta deFisher y el Chi cuadrado. Estas pruebas no son específicas para medidas de asociación. El mismotest puede ser usado independientemente si Ud. está interesado en Riesgo relativo, Odds ratio oRiesgo atribuible.Prueba exacta de FisherLa prueba exacta de Fisher se considera el "patrón de oro" para un cuadro 2 por 2 y es la pruebade elección cuando los números de una tabla de 2 por 2 son pequeños. Se asume que la hipótesisnula es verdadera en la población de referencia y que los valores de las cuatro celdas, pero no lostotales de las filas y columnas de las tablas 2 por 2, podrían cambiar. La prueba exacta de Fisherincluye el cálculo de la probabilidad de observar una asociación en una muestra igual a o mayorque la muestra observada. La técnica para la derivación de esta probabilidad se esboza en elapéndice 1.Como regla general la prueba exacta de Fisher es la prueba preferida cuando el valor esperadoen cualquier celda de la tabla dos por 2 es menor a cinco. El valor esperado se calculamultiplicando los totales de las filas por los totales de las columnas y dividiendo por los totales de latabla. Sin embargo, calcular la prueba exacta de Fisher, es tedioso con números pequeños, por loque se convierte en prácticamente imposible cuando los números son grandes. Afortunadamente,con números grandes, la prueba de Chi cuadrado proporciona una aproximación razonable a laprueba exacta de Fisher.Prueba del Chi cuadradoCuando usted tiene al menos 30 sujetos y el valor esperado en cada celda de la tabla 2 por 2 esal menos cinco, la prueba de chi cuadrado proporciona una aproximación razonable a la pruebaexacta de Fisher. Colocando los números apropiados en la fórmula de chi cuadrado, usted obtieneun valor para las chi cuadrada. Luego busqué su correspondiente valor-P. para 2 colas en unatabla de chi cuadrado (ver apéndice 2). Una tabla de 2 por 2 tiene un grado de libertad y una chicuadrada mayor a 3. 84 corresponde a una P. de dos colas menor de 0. 05.Al menos tres fórmulas diferentes de la si cuadrada para tablas de 2 por 2 se utilizan comúnmente.El programa EPI INFO presenta las tres.Para un conjunto dado de datos en una tabla de 2 por 2, la fórmula de chi cuadrado de Pearsonobtiene el valor de chi cuadrado más grande y en consecuencia el valor-P más pequeño. Estevalor-P es con frecuencia un poco más pequeño que el valor-P. del "patrón de oro" calculado por elmétodo exacto de Fisher. Así la chi cuadrada de Pearson puede conducir con más frecuencia aerrores de tipo 1 (confluye que hay una asociación cuando no la hay). La chi cuadrada de yatescorregida obtiene el valor-p más grande de las tres fórmulas, a veces aún más grande que elcorrespondiente al valor-p de la prueba de Fisher. La corrección de yates es la preferida por losepidemiólogos que desean reducir al mínimo la probabilidad de cometer un error de tipo 1, peroaumenta la probabilidad de un error de tipo 2. La fórmula de Mantel-Haenszel popular en el análisisestratificado, produce un valor-P. un poco más grande que el de la chi cuadrada de Pearson, peroa menudo más pequeño que el valor-P. de la chi cuadrada de yates corregido y el valor-P. deFisher.17