Pruebas de significación (I)

Las pruebas de significación estadística suelen realizarse en medidas del efecto para evaluar la probabilidad de que el efecto observado difiera de la hipótesis nula (es decir, ausencia de efecto). Aunque muchos estudios, especialmente en otros campos de la investigación biomédica, expresan la significación con valores
p, los estudios epidemiológicos suelen expresarla mediante intervalos de confianza (IC) (también llamados límites de confianza). Por ejemplo, un intervalo de confianza del 95 % es un rango de valores para la medida del efecto que incluye la medida estimada obtenida de los datos del estudio y cuya probabilidad de incluir el valor real es del 95 %. Los valores que quedan fuera de ese inter- valo tienen pocas probabilidades de incluir la medida real del efecto. Si el intervalo de confianza para una tasa relativa incluye la unidad, no existe diferencia estadísticamente significativa entre los grupos comparados.
Los intervalos de confianza facilitan más información que los valores p. Un valor p elevado puede deberse al elevado valor de la medida de la asociación (p. ej., tasa relativa, diferencia de riesgos) o al gran tamaño de las poblaciones del estudio. Por ejemplo, una pequeña diferencia en las tasas de una enfermedad en una población grande puede dar lugar a un valor p altamente significativo. Las razones de este elevado valor p no pueden deducirse del propio valor p. Por el contrario, los intervalos de confianza permiten diferenciar estos dos factores. En primer lugar, la magnitud de efecto puede discernirse por los valores de la medida del efecto y los números abarcados por el intervalo. Los riesgos relativos elevados indican, por ejemplo, un mayor efecto. En segundo lugar, el tamaño de la población afecta a la anchura del intervalo de confianza. Las poblaciones pequeñas con estimaciones estadísticamente inestables generan intervalos de confianza más anchos que las grandes poblaciones.