Los tipos de causas posibles de una enfermedad pueden clasificarse como causas componentes (no causan por sí solas la enfermedad), causas necesarias (sin ellas la enfermedad no se produce) y causas suficientes (su sola presencia es garantía de la producción de la enfermedad). Os presentamos una nueva entrada de Ciencia sin seso…locura doble.
El gráfico de caja es muy utilizado en estadística descriptiva. De forma simple nos permite saber la mediana y el rango intercuartílico de una distribución, además de intuir su morfología y simetría. Además, permite estimar la aproximación a la normal de la distribución y comparar la igualdad de varianzas entre varias distribuciones.
En muchos casos nos encontramos revisiones que presentan varios estudios con resultado contradictorio. Si queremos sacar una conclusión sobre el efecto de la intervención, una posibilidad es contar cuántos hay significativos a favor y cuántos en contra, y quedarnos con la opción ganadora. Sin embargo, este método no es correcto porque olvida una cuestión fundamental: una p no significativa puede significar ausencia de efecto o potencia insuficiente para demostrarlo.
Dicen los matemáticos que dos líneas paralelas son aquellas que, por más que se prolongan, nunca se juntan. ¿Nunca? A mí me parece que nunca es mucha distancia. No creo que nadie haya prolongado dos paralelas lo suficiente como para estar seguro de esta afirmación. Claro que, por otro lado, si llegan a juntarse es que no eran paralelas, ¿verdad?
Las que sí pueden juntarse, e incluso cruzarse, son las dos ramas de un ensayo en paralelo, dando lugar a un nuevo diseño que llamamos ensayo clínico cruzado.
El ensayo clínico es el rey de los diseños epidemiológicos. Pero también es el más caro de realizar. Y, en los tiempos que corremos, este es un inconveniente importante a la hora de poner en marcha un ensayo.
El ensayo clínico aleatorio convencional es un diseño individualista, en el que cada participante es aleatorizado para recibir la intervención o el placebo para poder medir después la variable de resultado en cada uno y comparar las diferencias. Otra entrada de Ciencia sin seso…locura doble.