¿Cuál es el nivel alfa? | Estadísticas

En estadística frecuentista, el nivel alfa (también conocido como nivel de significación) es la probabilidad de rechazar la hipótesis nula cuando es cierta. En el contexto de la investigación fisioterapéutica, la hipótesis nula podría ser que no hay diferencia en la reducción del dolor entre dos intervenciones fisioterapéuticas diferentes. El nivel alfa suele fijarse en 0,05, lo que significa que hay un 5% de probabilidades de rechazar incorrectamente la hipótesis nula (es decir, concluir que hay una diferencia en la reducción del dolor cuando en realidad no la hay) a largo plazo.

Es especialmente importante considerar esto como un resultado a largo plazo. Si se realizan 100 estudios similares, 5 de ellos, por término medio, mostrarán un resultado falso positivo si no hay ningún efecto.

Explicado con un ejemplo

Supongamos que un estudio compara dos intervenciones fisioterapéuticas para el dolor lumbar, y los resultados muestran que la reducción media del dolor de la Intervención A es de 6 puntos en una escala de dolor, y la reducción media del dolor de la Intervención B es de 8 puntos en una escala de dolor. Con un nivel alfa de 0,05, los investigadores rechazarían la hipótesis nula y concluirían que existe una diferencia estadísticamente significativa en la reducción del dolor entre las dos intervenciones porque la diferencia de medias es mayor de lo que cabría esperar por azar.

¿Todos los granizos p<0,05?

Es importante señalar que establecer un nivel alfa de 0,05 es una convención y no una norma. La elección del nivel alfa depende del contexto del estudio y de las posibles consecuencias de un resultado falso positivo o falso negativo. Por ejemplo, si las consecuencias de un resultado falso positivo (es decir, concluir que un tratamiento es eficaz cuando no lo es) son más graves, los investigadores podrían optar por utilizar un nivel alfa más bajo (por ejemplo, 0,01) para disminuir la probabilidad de un resultado falso positivo.

Visión a largo plazo

Queremos insistir una vez más en la importancia de una visión a largo plazo. No se puede decir simplemente que hay un 5% de posibilidades de que el papel se haya convertido en un resultado falso positivo. Cuando se lleva a cabo la investigación, simplemente es un falso positivo, o no lo es. El 5% habla de resultados a largo plazo. Si se realiza esta prueba en múltiples estudios con condiciones similares, alrededor del 5% de los trabajos tendrán un resultado falso positivo.

Una intervención de fisioterapia puede parecer muy eficaz para reducir el dolor lumbar, con un valor p pequeño (que indica una diferencia estadísticamente significativa) y un tamaño del efecto grande. Sin embargo, si este único estudio no se reproduce en otros, es difícil determinar si los resultados se deben al azar o a un efecto real.

Una visión a largo plazo considera los resultados de múltiples estudios a lo largo del tiempo para proporcionar una comprensión más completa de la eficacia de una intervención. Este enfoque es especialmente importante en la investigación fisioterapéutica, en la que los resultados de un único estudio pueden no ser generalizables a otras poblaciones o entornos.

Conceptos erróneos

Existen varios errores comunes en torno al valor p:

• El valor P es una medida de la solidez de las pruebas: El valor p no mide la fuerza de la prueba contra la hipótesis nula, sino la probabilidad de observar una estadística de prueba tan extrema o más que la observada, suponiendo que la hipótesis nula sea cierta
• Un valor p pequeño significa que hay pruebas sólidas contra la hipótesis nula: Un valor p pequeño sólo indica que los datos no concuerdan con la hipótesis nula, pero no aporta pruebas a favor de la hipótesis alternativa. Además, un valor p pequeño no implica que el efecto sea grande o importante.
• Un valor P de 0,05 es un umbral duro de significación: El umbral de 0,05 es arbitrario y se ha adoptado como límite convencional para la significación estadística, pero no significa que los resultados con valores p superiores a 0,05 no sean automáticamente significativos. La interpretación del valor p debe depender del contexto y de la pregunta de investigación que se esté estudiando
• El valor P es la probabilidad de que la hipótesis nula sea cierta: El valor p no es la probabilidad de que la hipótesis nula sea cierta, sino la probabilidad de observar los datos si la hipótesis nula es cierta.
• El valor P puede utilizarse para hacer una inferencia causal: El valor p sólo aporta pruebas a favor o en contra de una hipótesis nula y no implica necesariamente causalidad. La inferencia causal requiere información adicional, como un estudio bien diseñado con controles adecuados de los factores de confusión.

Para más información sobre el valor P. Consulte nuestro post al respecto aquí.

Upshur, R. E. (2001). La ética de alfa: reflexiones sobre estadísticas, pruebas y valores en medicina. Medicina Teórica y Bioética, 22(6), 565-576.

Berger, V. W., y Hsieh, G. (2005). Repensar la estadística: basar los niveles alfa de eficacia en los datos de seguridad de los ensayos aleatorizados. Israeli Journal of Emergency Medicine, 5(3), 55-60.

Neyman, J. y Pearson, E.S. (1928) On the Use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference. Biometrika, 20A, 175-240.

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Pruebas estadísticas, valores P, intervalos de confianza y potencia: guía de interpretaciones erróneas. Revista europea de epidemiología, 31(4), 337-350.