Nunca tenía claro cómo funcionaban los metaanálisis, pero ahora este concepto está mucho más claro para mí. He comprendido que los metaanálisis integran los resultados de varios estudios para ofrecer una visión más completa, lo que aumenta la confiabilidad de las conclusiones.

Repasé también conceptos clave de epidemiología como el riesgo relativo (RR) y las odds ratio (OR), y su importancia para la medicina. Aprender a interpretarlos adecuadamente me ha ayudado a entender mejor cómo evaluar el impacto de factores de riesgo y tratamientos en la salud pública.

a.        Aprendí que los intervalos de confianza engloban los valores entre los cuales se encuentra, posiblemente, el valor real de la población.

b.       Los intervalos de confianza se estiman tomando en cuenta varias probabilidades de error, entre ellas 0.1, 0.05, etc. Por otro lado, cada una de ellas se relaciona con un valor de P que estima la probabilidad de que el valor obtenido no se deba a aleatoriedad.

c.        De la misma manera, pude ver como manejamos la campana de distribución normal y como ubicar que porcentaje (proporción) de los valores encontrados de un estudio se encuentran dentro de este intervalo.

Prueba de hipótesis

a.        Repasamos sobre las pruebas de hipótesis vistas en bioestadística, vimos que se clasifican en paramétricas y no paramétricas dependiendo de la distribución de la población.

b.       La prueba de hipótesis se interpreta con el valor p antes mencionado.

c.        Puedo resumir la idea con que mientras menos es el valor de p, mayores argumentos hay para rechazar la hipótesis nula y aceptar la alternativa.

Error y poder estadístico

a.        Aprendí que el error tipo I (alfa) ocurre cuando rechazamos una hipótesis nula que en realidad es verdadera, lo que nos lleva a tomar una decisión incorrecta basada en los datos. Este error se relaciona con el nivel de significancia elegido, como 0.05 o 0.01.

b.       El error tipo II (beta) sucede cuando no rechazamos la hipótesis nula, aunque en realidad sea falsa. Esto puede ocurrir si el tamaño de la muestra es pequeño o si el efecto en estudio no es lo suficientemente fuerte para ser detectado.

c.        El poder estadístico de una prueba es la probabilidad de rechazar correctamente una hipótesis nula falsa. A mayor poder estadístico, menor es la probabilidad de cometer un error tipo II. Para aumentar el poder, es importante aumentar el tamaño de la muestra o reducir la variabilidad en los datos.

2. Aprendí a usar herramientas como Consensus, que ayudan a encontrar estudios científicos que respondan nuestras preguntas clínicas de manera más rápida y precisa, usando el formato PICOT o versiones más simples.

3.  La MBE no solo se basa en estudios, sino que también debe combinarse con la experiencia del médico y las preferencias del paciente para tomar decisiones más acertadas.