Saltar al contenido
Volver a los resultados

Estándares de Reporte Estadístico: Reporte Transparente de Análisis

Propuesto por
Statistical and methodological literature; emphasized by Cumming (2013), ICMJE, and replication crisis discussions
Año
2005
Tipo
Guideline
Familia
results-reporting

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

El reporte transparente de resultados estadísticos —incluyendo tamaños del efecto, intervalos de confianza, valores p y supuestos— es esencial para la integridad y reproducibilidad científica.

Muchos estudios publicados reportan valores p de forma aislada sin tamaños del efecto o intervalos de confianza, lo que hace imposible para los lectores evaluar la magnitud de los hallazgos. Los estándares de reporte estadístico, enfatizados por Cumming (2013), la American Statistical Association y el ICMJE, exigen tamaños del efecto, intervalos de confianza y discusión de la incertidumbre. Esto permite a los lectores juzgar si los hallazgos son prácticamente significativos (no solo estadísticamente significativos) y comparar tamaños del efecto entre estudios en meta-análisis. Un reporte estadístico deficiente desperdicia investigación y previene la síntesis adecuada de la evidencia.

La intuición detrás del método

Los valores p son ampliamente malinterpretados: un p<0.05 NO significa que el resultado sea 'importante' o que la hipótesis nula sea 'falsa'. Simplemente significa que los datos observados ocurrirían menos del 5% de las veces si la hipótesis nula fuera verdadera. Un efecto trivial (p. ej., diferencia del 0.1%) puede tener p<0.001 con una muestra grande; por el contrario, un efecto grande clínicamente importante (p. ej., reducción del 50% en síntomas) podría no alcanzar p<0.05 con una muestra pequeña. Los tamaños del efecto y los intervalos de confianza abordan esto: cuantifican la magnitud del efecto y el rango de valores plausibles. Un intervalo de confianza del 95% de [2.1, 2.3] indica que estamos 95% seguros de que el efecto real está entre 2.1 y 2.3; si el intervalo de confianza incluye cero o un valor de efecto nulo, el resultado no es estadísticamente significativo. Esta información adicional —ausente en los valores p por sí solos— permite a los lectores interpretar los hallazgos de manera significativa.

Historia

Los estándares de reporte estadístico evolucionaron a partir de una crítica de décadas sobre el mal uso de los valores p en la ciencia. En 1992, la revista Epidemiology exigió intervalos de confianza junto con valores p; otras revistas siguieron. El influyente artículo de Cumming (2013) 'The New Statistics' defendió los tamaños del efecto y los intervalos de confianza como superiores a los umbrales de valor p. En 2019, la American Statistical Association publicó una guía advirtiendo contra p<0.05 como umbral universal de 'significancia'. Revistas importantes (JAMA, Lancet, etc.) ahora exigen tamaños del efecto. Las Recomendaciones del ICMJE (actualizadas en 2023) enfatizan el reporte de tamaños del efecto y la incertidumbre. Este cambio refleja lecciones de la crisis de replicación: muchos hallazgos publicados con p<0.05 no se replicaron porque los tamaños del efecto eran pequeños, un hecho oculto por los valores p solos.

Cuándo usarlo

Reporte estadísticas de forma transparente en toda investigación empírica: estudios observacionales, experimentos, encuestas, ensayos clínicos, meta-análisis. Esto se aplica a análisis primarios y análisis de sensibilidad/subgrupos. Para estudios descriptivos sin pruebas de hipótesis (p. ej., encuestas descriptivas), reporte estadísticas descriptivas, rangos y proporciones claramente. Para investigación cualitativa, el reporte estadístico no aplica, pero describa la muestra y el método de análisis de forma transparente. Para estudios de modelado o simulación, reporte tamaños del efecto e intervalos de confianza alrededor de los resultados clave.

Limitaciones y consideraciones

  • Requiere espacio: un reporte estadístico completo (tamaño del efecto, IC, valor p, supuestos) ocupa más espacio que solo 'p<0.001'; los límites de la revista pueden comprimir otro contenido.
  • Complejidad: los lectores no familiarizados con los tamaños del efecto pueden encontrar difícil de interpretar un reporte completo; se necesita educación.
  • Ambigüedad en la interpretación: el tamaño del efecto 'significativo' depende del contexto (d=0.2 es pequeño en algunos campos, grande en otros); no hay un estándar universal.
  • Las comparaciones múltiples inflan los falsos positivos: incluso con correcciones, muchas pruebas de hipótesis aumentan el error de Tipo I; un reporte completo no resuelve esto, solo lo documenta.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Permite la interpretación de la magnitud: los lectores ven no solo 'diferencia significativa' sino 'la diferencia es d=0.47' (efecto mediano), crucial para juzgar la significancia práctica.
  • Facilita el meta-análisis: los tamaños del efecto permiten combinar estudios; los valores p por sí solos son insuficientes para el meta-análisis.
  • Reduce el sesgo de 'p-hacking': cuando se reportan tamaños del efecto, los lectores pueden ver cuándo los efectos son triviales a pesar de p<0.05, reduciendo el incentivo para los grados de libertad del investigador.
  • Mejora la reproducibilidad: los intervalos de confianza y la verificación de supuestos permiten a los lectores evaluar la sensibilidad y la validez de los hallazgos.
  • Soporta el análisis de potencia post-hoc: los tamaños del efecto reportados permiten el cálculo de la potencia estadística, revelando si estudios con poca potencia impulsaron hallazgos nulos.

Aplicaciones

  • Escribir un artículo de investigación: planifique el reporte estadístico antes del análisis; reporte tamaños del efecto e IC junto con los valores p; organice los resultados por hipótesis.
  • Realizar un meta-análisis: los tamaños del efecto extraídos de estudios primarios permiten la agrupación; los artículos que reportan solo valores p son más difíciles de incluir.
  • Revisar un manuscrito: verifique que las estadísticas se reporten de manera exhaustiva; solicite tamaños del efecto e IC si faltan.
  • Preparar una propuesta de subvención: el análisis de potencia estadística (que utiliza tamaños del efecto) es estándar en las revisiones de subvenciones de NIH y otras; demuestre familiaridad con el reporte de tamaños del efecto.

Cómo funciona

Cómo funciona

1

Reporte las estadísticas en este orden y formato: (1) Estadísticas descriptivas: media ± DE (o mediana y rango intercuartílico para datos asimétricos) para cada grupo. Ejemplo: 'Grupo de tratamiento (M=45.2, DE=8.3) vs. Grupo de control (M=42.1, DE=7.9).' (2) Nombre y resultado de la prueba estadística: Especifique la prueba (prueba t, chi-cuadrado, ANOVA, etc.), el estadístico de prueba, los grados de libertad, el valor p y el tamaño del efecto. Ejemplo: 't(98)=2.34, p=.021, d=0.47.' (3) Intervalo de confianza: Incluya el IC del 95% para la diferencia o el tamaño del efecto. Ejemplo: 'IC 95% [0.52, 3.21].' (4) Tamaño del efecto: Reporte el tamaño del efecto apropiado para su prueba. Para resultados continuos: d de Cohen (diferencia de medias estandarizada), r de Pearson (correlación) o eta-cuadrado (η²) (proporción de varianza explicada). Para resultados binarios: riesgo relativo, razón de momios, número necesario a tratar. Para comparaciones de medias: reporte la diferencia absoluta con unidades. (5) Supuestos probados: indique si se cumplieron los supuestos (p. ej., 'La normalidad se evaluó con la prueba de Shapiro-Wilk, W=0.98, p=.45, lo que indica que los datos son aproximadamente normales'). (6) Correcciones para comparaciones múltiples: si realiza múltiples pruebas, reporte el método de corrección utilizado (Bonferroni, Tasa de Falsos Descubrimientos, etc.) y el umbral de valor p ajustado. Ejemplo: 'α=0.05/3=0.017 corregido por Bonferroni.' (7) Datos faltantes: describa cómo se manejaron los datos faltantes (eliminación, método de imputación). Organice los resultados por hipótesis o pregunta de investigación; agrupe estadísticas relacionadas. Utilice tablas para resultados numéricos detallados.

2

Un reporte estadístico de calidad cumple estos criterios: (1) Exhaustividad: se reportan valores p, tamaños del efecto e intervalos de confianza; no hay valores p 'desnudos'. (2) Precisión: los valores son correctos y consistentes con el análisis descrito en Métodos. (3) Transparencia: el método estadístico se nombra explícitamente (p. ej., 'prueba t pareada' no solo 'prueba t'); se abordan los supuestos. (4) Tamaño del efecto: se elige el tamaño del efecto apropiado para la prueba (d para comparaciones de dos grupos, r para correlaciones, etc.). (5) Precisión: los valores se reportan con cifras significativas apropiadas (valores p a 2-3 decimales, p. ej., p=.021, no p<.05). (6) Consistencia: resultados similares se formatean idénticamente; una serie de pruebas t reportan todas t, gl, p y d. (7) Claridad: los resultados se presentan en prosa o tablas en el orden de las preguntas de investigación planteadas en la Introducción. Los lectores deben poder verificar los resultados al observar las tablas y cotejar con el texto.

3

Los revisores y editores verifican el reporte estadístico en busca de transparencia y cumplimiento de los estándares del campo. Tamaños del efecto faltantes, afirmaciones no respaldadas de 'significancia' o estadísticas mal reportadas desencadenan solicitudes de revisión. El sesgo de publicación se reduce cuando se reportan tamaños del efecto e intervalos de confianza: los revisores y lectores pueden evaluar la magnitud real de los hallazgos, no solo si p<0.05. En meta-análisis, se combinan los tamaños del efecto de todos los estudios; los artículos que reportan solo valores p sin tamaños del efecto deben excluirse o estimarse a posteriori a partir de otras estadísticas, introduciendo error. Para los autores, un reporte estadístico transparente aumenta la reproducibilidad, permite una síntesis adecuada y demuestra rigor.

Errores comunes

  • Reportar valores p sin tamaños del efecto: 'p=.021' informa a los lectores que el resultado es 'significativo' pero no si el efecto es trivial (p. ej., d=0.1) o grande (d=1.5). Siempre reporte el tamaño del efecto.
  • Confundir significancia estadística y práctica: p=.001 indica fuerte evidencia contra la hipótesis nula, pero si el efecto es clínicamente irrelevante (p. ej., diferencia de 0.1 mmHg en la presión arterial), no es prácticamente significativo. Discuta ambos.
  • Selección de valores p ('cherry-picking'): reportar solo el valor p que es <0.05 mientras se ocultan resultados no significativos (p-hacking). Pre-registre hipótesis y reporte todas las pruebas, significativas o no.
  • Reportar 'tendencia hacia la significancia' para p=.10 o 'acercándose a la significancia' para p=.06: estos son informales y engañosos. O el resultado cumple su umbral o no lo hace; discuta los resultados no significativos honestamente.
  • Reporte erróneo de intervalos de confianza: un IC del 95% NO es el rango que contiene el 95% de los datos; es el rango en el que estamos 95% seguros de que contiene el parámetro verdadero. Explíquelo correctamente para evitar confusiones.
  • Omitir estadísticas descriptivas de base: los lectores no pueden evaluar si los grupos eran comparables o si las muestras son representativas si no se reportan datos demográficos/de base.

Preguntas frecuentes

¿Qué tamaño del efecto debo reportar?

Elija el tamaño del efecto apropiado para su prueba estadística: Para pruebas t (comparación de dos grupos): d de Cohen (diferencia de medias estandarizada) o la diferencia bruta con unidades. Para ANOVA: eta-cuadrado (η²) o eta-cuadrado parcial (η²p). Para correlación: r de Pearson o r-cuadrado (R²). Para resultados binarios (p. ej., éxito del tratamiento): razón de momios (OR), riesgo relativo (RR) o diferencia de riesgo absoluta. Para datos pareados: d de Cohen o g de Hedges (similar a d, utilizada en meta-análisis). Si no está seguro, consulte los estándares específicos del campo o las guías de reporte (EQUATOR Network).

¿Es suficiente reportar solo el valor p?

No. El valor p por sí solo es insuficiente porque no le dice la magnitud del efecto. Un p=.001 podría reflejar un efecto trivial (si la muestra es grande) o un efecto enorme (si la muestra es pequeña). Siempre reporte el tamaño del efecto y el IC del 95%. La combinación de valor p + tamaño del efecto + IC brinda a los lectores la imagen completa.

¿Qué pasa si tengo muchas pruebas y varios valores p están 'cerca de ser significativos' (p. ej., p=.06)?

Repórtelos honestamente. Un p=.06 no es estadísticamente significativo con α=0.05; no se vuelve significativo llamándolo 'tendencia'. Discuta qué significa el resultado no significativo en contexto (¿falta de potencia? ¿efecto nulo real?). Si realizó múltiples pruebas, reporte cómo controló el error de Tipo I (Bonferroni, FDR, etc.). Pre-registre las hipótesis para distinguir análisis confirmatorios de exploratorios.

¿Cuántos decimales debo usar para los valores p?

Dos o tres decimales es lo estándar (p. ej., p=.021, p<.001). No reporte p=.050000. Se prefieren los valores p exactos a las desigualdades (p=.021 en lugar de p<.05) cuando el valor exacto está disponible en su software estadístico. Use 'p<.001' solo si el software redondea valores más pequeños o si la prueba es unilateral con un umbral muy pequeño.

¿Debo reportar el IC del 95% u otros niveles de confianza?

Use el IC del 95% a menos que su campo tenga una convención diferente (literatura médica más antigua usaba 90% o 99%). El IC del 95% es el estándar porque se alinea con α=0.05. Si reporta un IC del 90%, indique explícitamente 'IC90%' para evitar confusiones. No mezcle niveles de confianza en el mismo artículo.

Métodos relacionados

Fuentes

  1. Cumming, G. (2013). The new statistics: Why and how. Psychological Science, 25(1), 7–29.

    Abrir referencia DOI
    Copiado.
  2. Fidler, F., Thomason, N., Cumming, G., Finch, S., & Leeman, J. (2005). Editors can lead researchers to confidence intervals, but can't make them think: Statistical reform lessons from medicine. Psychological Science, 15(2), 119–126.

    Abrir referencia DOI
    Copiado.
  3. International Committee of Medical Journal Editors (2023). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals.

    Abrir referencia de la publicación
    Copiado.