El valor p: ¿cómo analizarlo para separarse del positivismo extremo e inductivismo ingenuo?



Título del documento: El valor p: ¿cómo analizarlo para separarse del positivismo extremo e inductivismo ingenuo?
Revista: Investigación en educación médica
Base de datos: PERIÓDICA
Número de sistema: 000452484
ISSN: 2007-5057
Autores: 1
Instituciones: 1Universidad Autónoma Metropolitana, División de Ciencias Biológicas y de la Salud, Xochimilco, Ciudad de México. México
Año:
Periodo: Oct-Dic
Volumen: 11
Número: 44
Paginación: 105-114
País: México
Idioma: Español
Tipo de documento: Artículo
Enfoque: Aplicado, descriptivo
Resumen en español A pesar de las nuevas reflexiones y corrientes ideológicas en las ciencias médicas, muchos investigadores continúan apegados firmemente al positivismo científico, al inductivismo ingenuo y a miradas totalmente reduccionistas, donde el uso de estadística inferencial se considera casi indispensable para juzgar una investigación “de calidad”, y dentro de ella, estimar al famoso valor p como el número que determina que un estudio es “bueno” o “malo”, que vale la pena o no, que salió “bien” o “mal”. Aunque la estadística inferencial es la más frecuente en las ciencias médicas, muchos investigadores continúan con problemas epistemológicos para la interpretación del valor p y la toma de decisiones estadísticas; por ello, el objetivo principal de este trabajo es brindar una reflexión y análisis dinámico de qué es, cómo se obtiene, cómo suele interpretarse y cómo debería interpretarse el valor p. Cabe destacar que este escrito no pretende enseñar estadística, sino que intenta cambiar la forma en que los estudiantes y profesionales de la salud interpretan la estadística inferencial, con el fin de fomentar la lectura crítica y de esta forma dar armas para el aprendizaje autodidacta. Para llegar al adecuado análisis del valor p, a lo largo del trabajo realizo un repaso general y gráfico acerca de la construcción de hipótesis, la distribución normal y las pruebas de hipótesis. Si bien por el simple hecho de que este trabajo hable de estadística inferencial ya lo convierte (hasta cierto punto) en un artículo positivista, deseo que la nueva enseñanza en esta área permita formar nuevos profesionales e investigadores con visiones más amplias de la investigación, y así terminar con el fomento del reduccionismo e inductivismo ingenuo
Resumen en inglés Despite the new reflections and ideological currents in medical sciences, many researchers remain firmly attached to scientific positivism, naive inductivism and totally reductionist views, where the use of inferential statistics is considered almost indispensable to consider a “high quality” research, and within it, consider the famous p-value as the number that determines that a study is “good” or “bad”, that it is worthwhile or not, that it came out “good” or “bad”. Although inferential statistics is the most frequent in medical sciences, many researchers continue with epistemological problems for the p-value interpretation and make statistical decisions; Therefore, the main objective of this work is to provide a reflection and dynamic analysis of what is p-value, how it is obtained, how it is usually interpreted, and how it should be interpreted. It should be noted that this paper does not intend to teach statistics, but rather tries to change the way in which students and health professionals interpret inferential statistics, in order to encourage critical reading and thus provide weapons for self-taught learning. To arrive at the appropriate analysis of the p-value, throughout the work I carry out a general and graphic review about the construction of hypotheses, the normal distribution and the hypothesis tests. Although the simple fact that this work talks about inferential statistics already makes it (until a certain point) a positivist article, I hope that the new teaching in this area will allow the training of new professionals and researchers with broader visions of research, and thus, ending the promotion of reductionism and naive inductivism
Disciplinas: Medicina,
Matemáticas
Palabras clave: Matemáticas aplicadas,
Investigación médica,
Estadística médica,
Pruebas de hipótesis,
Intervalos de confianza,
Distribución normal,
Metodología cuantitativa
Keyword: Applied mathematics,
Medical research,
Medical statistics,
Hypothesis tests,
Confidence intervals,
Normal distribution,
Quantitative methodology
Texto completo: Texto completo (Ver HTML) Texto completo (Ver PDF)