Results of studies in cognitive neuroscience, psycholo-gy, and medicine. A proposal to verify the robustness of the analysis, and hypotheses

Abstract

El p-value es el análisis estadístico más utilizado para comprobar hipótesis en áreas de la salud, sin embargo, su uso único presenta desventajas que afectan los estudios por depender del tamaño de la muestra y necesitar una distribución normal. Esto obliga a buscar formas más flexibles y válidas para comprobar hipótesis. Por ello nuestro objetivo fue recopilar procedimientos estadísticos complementarios sensibles para muestras típicamente clínicas. Elegimos el tamaño del efecto y la inferencia bayesiana. Ambos presentan una correlación entre ellas y con el p-value, permitiendo disminuir la incertidumbre al comprobar supuestos. El primero es un método cuantitativo para entender el grado en que un fenómeno está presente en un grupo de estudio, donde se deben observar los valores específicos de cada rama científica, sus características y la estabilidad de variables. Cuenta también con maneras de mejorar su interpretación y cálculos para medidas no paramétricas. El segundo utiliza valores ? para una mayor precisión interpretativa y toma de decisiones, sustentando la H0 con un ? a priori y a posteriori. Proponemos que el grado de certidumbre del FB se base en literatura previa y valores ? reportados, añadiendo el apartado de intervalos de credibilidad en la tabla de mediciones generales, así como incluirse las hipótesis sometidas a prueba y mostrar las evidencias a favor de H0 y H1. Concluimos que la implementación las propuestas presentadas como complemento de la estadística frecuentista apoyará la interpretación de hipótesis, con mayor fuerza estadística y mejor toma de decisiones. Sugerimos integrarlas en la revisión académica o de cursos, la realización convenciones para su uso adecuado y la revisión de previos estudios donde puedan ser integradas dando una mejor interpretación de resultados.