Cada día, la comunidad oncológica se ve inundada de nuevos datos y resultados de estudios. Y uno es omnipresente: el valor p. Escapar a su hechizo y mantenerse al día al mismo tiempo es como un imposible. Al fin y al cabo, es él quien decide, por ejemplo, si un nuevo medicamento se clasifica como eficaz o no. Pero, ¿qué significa exactamente el valor p?
Lo primero es lo primero: cuanto más pequeño, mejor. Esto suele ser cierto en este caso y debería resultar familiar a la mayoría de la gente, incluso si el estudio de la estadística se remonta a unos años atrás y el interés es limitado. Sin embargo, esta burda simplificación comete una injusticia con el valor p, porque hay mucho más en él. Mucho más que no es tan difícil de entender.
Sentido y propósito
El valor p tiene exactamente una tarea. Su único propósito es mantener o rechazar la hipótesis nula. Por ejemplo, el valor p determina si aceptamos la hipótesis de que las oncólogas son más inteligentes que los cirujanos ortopédicos. Nuestra hipótesis nula en este caso sería “las mujeres oncólogas son igual de inteligentes que los cirujanos ortopédicos”. Si el valor p calculado es inferior al nivel de significación fijado de antemano, podemos suponer que nuestra hipótesis nula es falsa, es decir, que los oncólogos son -según nuestras expectativas- más inteligentes que los cirujanos ortopédicos. Si, por el contrario, el valor p es superior al nivel de significación, debemos retener la hipótesis nula, la presunta diferencia de inteligencia no es estadísticamente significativa.
¿Y cuál es ahora el nivel de significación, por favor?
El nivel de significación lo fijan los propios autores del estudio, en la mayoría de los casos al 5%. Así es como aparece la famosa imagen p<0,05, que conocemos muy bien por diversas publicaciones – y a menudo lo que queremos ver. Para p<0,05 significa que se puede rechazar la hipótesis nula al nivel de significación especificado del 5%, es decir, que los oncólogos son más inteligentes que los cirujanos ortopédicos. El nivel de significación seleccionado representa un valor límite. Describe la probabilidad tolerada de cometer un error al rechazar la hipótesis nula. Con un nivel de significación del 5%, suponemos en nuestro ejemplo para la aceptación de nuestra hipótesis (que los oncólogos son más inteligentes que los cirujanos ortopédicos) que el riesgo de hacer una afirmación falsa a este respecto debe ser inferior al 5%. Si bajamos el valor crítico al 1%, la probabilidad de error es correspondientemente menor, pero también es más difícil confirmar nuestra hipótesis. A la inversa, podemos aumentar el nivel de significación al 50%, con la consecuencia de que nuestra afirmación tiene una probabilidad del 50% de ser falsa y, por tanto, carece de relevancia.
Al comprender el nivel de significación, ahora es fácil entender también la declaración del valor p. Esto se debe a que indica el riesgo de cometer un error al rechazar la hipótesis nula. Por lo tanto, es una medida de la probabilidad del resultado o incluso de resultados más extremos si la hipótesis nula es cierta. Así, si nuestro estudio concluye que los oncólogos tienen de media 20 puntos de CI más que los cirujanos ortopédicos, el valor p es una medida de la probabilidad de que observemos una diferencia de CI de 20 puntos o más en nuestra muestra, cuando en realidad no hay ninguna diferencia de CI. Si el valor p es 0,01, la probabilidad de cometer dicho error es del 1%. En este caso, si no hay diferencias de CI en la población, sólo es probable en un 1% extraer una muestra que tenga una diferencia de 20 puntos de CI o más. ¿De acuerdo?
Fuente: Fahrmeir L, et al.: Statistik: Der Weg zur Datenanalyse. 8ª ed. Springer Spektrum; 2016.
InFo ONcOLOGíA & HEMATOLOGíA 2021; 9(3): 26
InFo NEUMOLOGÍA Y ALERGOLOGÍA 2021; 3(4): 27
