DOCENTE:

 Dr. Winston Maldonado Gómez

INTEGRANTES:

 Fuentes Cabrera Dante.

 Fuentes Gutiérrez Jesús Edgardo.
 Vásquez Saavedra Marjorie Almendra.
 Ydrogo Cruz Erickson Bruce-Lee.
 Zaba Tineo Diana Estefany.

CICLO:
2020 – I

SEPTIEMBRE - 2020
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

ÍNDICE
I. INTRODUCCIÓN ...............................................................................................................1
II. MARCO TEÓRICO ............................................................................................................2
PRUEBAS DE HIPÓTESIS .....................................................................................................2
 HIPÓTESIS NULA ............................................................................................................2
 HIPÓTESIS ALTERNA.....................................................................................................2
VALOR P ....................................................................................................................................3
NIVEL DE SIGNIFICACIÓN ....................................................................................................4
TIPOS DE ERRORES ..............................................................................................................4
PROCEDIMIENTOS ESTADÍSTICOS PARA DE CONTRASTE DE HIPÓTESIS ..........5
III. DISCUSIÓN.....................................................................................................................6
¿QUÉ ES EL VALOR P?, ¿CUÁL ES SU INTERPRETACIÓN? ......................................6
EJEMPLOS ................................................................................................................................6
IV. CONCLUSIONES .........................................................................................................10
V. BIBLIOGRAFÍA .................................................................................................................11
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH-UNPRG

I. INTRODUCCIÓN

Durante el desarrollo de cualquier estudio clínico tiene como objetivo poner de

manifiesto la existencia de asociación entre variables. Sin embargo, esta
asociación puede ser real o ficticia, ya sea producto del azar, la existencia de
sesgos, presencia de confundentes, etc. Para desarrollar correctamente el
análisis nos basamos habitualmente en la significación estadística para nuestra
toma de decisiones. El concepto significación estadística se relaciona con la
necesidad de probar hipótesis, situación a la cual los clínicos están basados
habitualmente y quizás, sea ésta una de las razones por la que se confía tanto
en el concepto de significación estadística y se confía en el valor de p. Antes de
valorar el “valor de p”, es relevante tener en cuenta que este concepto depende
de dos elementos esenciales: la magnitud de la diferencia que queremos
probar y el tamaño de la muestra; si estos elementos no están adecuadamente
considerados en el estudio permitirán la generación de resultados espurios,
que pueden finalmente llevar a la toma incorrecta de decisiones, ya sea por
errores de tipo I o II. Por lo cual existen formas más apropiadas de representar
los resultados en investigación clínica como la razón de odds, el riesgo relativo,
el número necesario de pacientes a tratar para reducir un evento, entre otras,
que se asocian a la significación clínica y permiten dilucidar de mejor forma la
incertidumbre existente frente a una situación clínica puntual.

1
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

II. MARCO TEÓRICO

PRUEBAS DE HIPÓTESIS
Otra manera de hacer inferencia es haciendo una afirmación acerca del valor
que el parámetro de la población bajo estudio puede tomar. Esta afirmación
puede estar basada en alguna creencia o experiencia pasada que será
contrastada con la evidencia que nosotros obtengamos a través de la
información contenida en la muestra. Esto es a lo que llamamos Prueba de
Hipótesis
Una hipótesis puede definirse como una proposición sobre la distribución,
desconocida desde el punto de vista estadístico, de la variable que
observamos, normalmente relacionada con uno o más parámetros de la misma.
En un problema de contraste de hipótesis hay dos hipótesis claramente
definidas:
 HIPÓTESIS NULA
Se denomina hipótesis nula H0, a la hipótesis que se desea contrastar (o
mejor dicho es lo que queremos desacreditar). El nombre de nula indica
que H0, representa la hipótesis que mantendremos a no ser que los datos
indiquen su falsedad, y puede entenderse, por tanto, en el sentido de
neutra. La hipótesis H0, nunca se considera probada, aunque puede ser
rechazada por los datos.
Además que los grupos comparados no difieren en la característica
(parámetro) en estudio. Por lo tanto, la diferencia observada en la
investigación es consecuencia del error de muestreo.

 HIPÓTESIS ALTERNA
Es habitual enunciar una hipótesis alternativa, que se acepte si se demuestra
que la hipótesis nula es muy improbable. El símbolo típico para la hipótesis
alternativa es Ha. En ocasiones se usa el símbolo H1.
Además, que los grupos difieren en la característica (parámetro) en estudio.
Por lo tanto, la diferencia observada es consecuencia efectiva entre las
poblaciones de origen.

2
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

Si los datos no inducen a rechazar la hipótesis nula, esto será todo lo que
podamos decir. No podemos afirmar que la hipótesis nula es cierta, sólo que no
se ha rechazado.

VALOR P
 Un valor p es una probabilidad, la probabilidad de que se produzca el
resultado encontrado o uno más desigual todavía.
 El valor p depende de tres elementos: el test estadístico, la hipótesis nula
(H0) y la hipótesis alternativa (H1).
 El valor p es una probabilidad condicionada. La condición es que H0 sea
cierta.
 Por convención, un valor p<0,05 equivale a un resultado significativo. Es
decir que se rechazó la H0 y se concluirá que los datos apoyaban la H1.
Cuando p ≥ 0,10 no se rechaza la hipótesis nula y se dice que no se
alcanzó significación estadística.
Cuando p está entre 0,05 y 0,10 podría concluirse que se está “en tierra de
nadie” y se hablaría de valores próximos a la significación estadística, en
esta circunstancia es mejor presentar el valor p concreto que se ha
calculado y evitar decisiones dicotómicas radicales.
Un valor p muy bajo significa que sería muy raro encontrar esa muestra si
H0 fuese cierta; por tanto, se rechaza la H0 y se apoya la H1.
En cambio, un valor p alto significa que no hay argumentos en contra de la
H0 y no se podrá rechazar.
 El valor p se calcula en una muestra, pero permite extraer una conclusión
acerca de una población.
 Los valores p del resultado principal de una investigación pueden ser
determinantes en la decisión de publicar o no esa investigación o de poder
publicarla en una revista científica más importante.

3
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

NIVEL DE SIGNIFICACIÓN
El nivel de significación o riesgo α es una probabilidad que el investigador fija
de antemano, sin ni siquiera conocer los datos. Es el umbral o criterio fijado
para su decisión y muchas veces será constante de uno a otro experimento (p.
ej. α= 0,05).

TIPOS DE ERRORES
En el contraste de hipótesis se definen dos tipos de errores:

A. Error tipo I:
Consistente en rechazar la hipótesis nula cuando es cierta. La probabilidad de
incurrir en este error se denomina nivel de significación y se denota por α. El
valor 1- α expresa, por tanto, la probabilidad de no rechazar una hipótesis que
es cierta y se conoce como el nivel de confianza de la prueba.
Para recordarlo se podría decir que el Error tipo I es como dejar a tu
enamorada(o) cuando ella es verdadera o sincera(o).
Tomando como ejemplo la evaluación de un tratamiento nuevo con la terapia
convencional se cometería un error tipo I al afirmar que el tratamiento nuevo es
más eficaz cuando en realidad no hay diferencia en la eficacia y el α es la
probabilidad de que ocurra este error.

B. Error tipo II:

Consistente en aceptar la hipótesis nula cuando ésta es, en realidad, falsa. La
probabilidad de cometer este error se denota por β; y el valor 1-β que expresa
la probabilidad de rechazar la hipótesis nula cuando es falsa, se conoce como
la potencia de la prueba.
Para recordarlo se podría decir que Error tipo II es como perdonar a tu
enamorada cuando esta es falsa(o). En la analogía entiéndase por “enamorada
(o)” a la H0 o hipótesis nula.
Tomando como ejemplo la evaluación de un tratamiento nuevo con la terapia
convencional se cometería un error tipo II al concluir que el tratamiento nuevo
no es más eficaz es decir no existe diferencia cuando en realidad si es más
eficaz que la terapia habitual y el β es la probabilidad de que ocurra este error.

4
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

PROCEDIMIENTOS ESTADÍSTICOS PARA DE CONTRASTE DE HIPÓTESIS

Un contraste de hipótesis consiste en una comparación. Si tomamos como
ejemplo a la reversión en la arteriosclerosis de la carótida con dieta rica en
aceite de oliva virgen, se podría comparar el cambio entre antes y después. La
reducción (-0,093 mm) sería el efecto de esta dieta. En un contraste de
hipótesis se compara un efecto encontrado en una muestra con su variabilidad
aleatoria esperada (error). Si el efecto en la muestra es muy superior a tal error,
se concluirá con un apoyo a la existencia del efecto en la población. Si el efecto
es similar o inferior al error, se concluye que la muestra no apoya el efecto en
la población.
Los cuatro pasos de un contraste de hipótesis son:
1. Formular una hipótesis nula (H0) a priori y su correspondiente alternativa
(H1).
2. Contrastar la hipótesis nula con los resultados hallados en la muestra.
3. Calcular la probabilidad (valor p de significación estadística) de
encontrar unos resultados como los hallados o más distantes aún de H0,
si H0 fuese cierra.
4. Decidir si se rechaza o no la hipótesis nula.

5
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

III. DISCUSIÓN
¿QUÉ ES EL VALOR P?, ¿CUÁL ES SU INTERPRETACIÓN?
El valor p se refiere a aquella probabilidad de que un hallazgo de interés se
haya alcanzado por casualidad o al azar. Como el valor p es una probabilidad,
su valor oscila entre 0 y 1 (o como porcentaje entre o% y 100%). Valores altos
de p no permiten rechazar la hipótesis nula, por otro lado, los valores bajos de
p si permiten rechazar la Ho.
Por acuerdo, se considera que si el valor p es menor a 0.05 es lo
suficientemente improbable que el hallazgo de interés se deba al azar, por lo
cual se rechaza con cierta seguridad la Ho. Mientras que si el valor de p es
mayor de 0.05 no se tendrá la confianza suficiente para poder rechazar la Ho.
EJEMPLOS
1. Fernando lee un artículo sobre las últimas enfermedades no trasmisibles que
está causando daño a la población en la cual menciona que el 26% de la
población peruana puede tener más de una enfermedad no trasmisible. A él le
da curiosidad saber si esta cantidad es mayor en su ciudad por lo que él probó
Ho: p = 0.26 contra H1: p > 0.26, donde p representa la proporción de personas
en su ciudad que pueden tener más de una enfermedad no trasmisible.
Encontró que 40 de las 120 personas muestreadas pueden tener más de una
enfermedad no trasmisible. El estadístico de prueba para estos resultados fue
1.83.
Suponiendo que se cumplen las condiciones necesarias, ¿cuál es el valor P
aproximado para la prueba de Fernando?
Explicación
 De la población total él escoge a 120 personas
 Además, tenemos
Ho: p = 0.26
H1: p > 0.26
 Estadístico de prueba: 1.83.
Para eso calculamos el valor P
Valor P = = 0.0336
Ahora comparamos el valor con el nivel de significancia que en este caso sería
el 50% (

6
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

Valor P = 0.0336
Como vemos ya que el resultado es mejor al nivel de significancia debemos
rechazar la hipótesis nula, esto me dio a entender que la probabilidad de tener
el resultado Ho: p = 0.26, suponiendo que la hipótesis nula es verdadera se
encuentra debajo del valor que determine y rechazaré la hipótesis nula y
sospecharé la validez de la hipótesis alternativa.

2. En un estudio ocurrieron 9 embarazos imprevistos durante 1 año en 500

mujeres que seguían el método sintotérmico. Otros métodos (de referencia)
más usados tienen una eficacia del 96% (proporción de 0,04)
H0: La proporción de embarazos imprevistos es igual con uno u otro método.
H1: La proporción de embarazos imprevistos con el método sintotérmico es
inferior a la proporción con los métodos de referencia.
En la muestra se halló una proporción de embarazos de 0,018 (9/500) con el
método sintotérmico, mientras que H0 mantiene que esta proporción sería 0,04.
Si H0 fuese cierta, la diferencia entre ambas proporciones en la población sería
exactamente igual a 0, pero 0,018 - 0,04 = -0,022. El efecto observado, es, por
tanto, -0,022. Si las diferencias encontradas (efecto) se debiesen solo al azar,
¿cuál sería la probabilidad de hallar este efecto o uno todavía mayor, es
decir cuál sería el valor p?
Explicación:
Calculando el valor z correspondiente (-2,51) y
luego su valor p correspondiente a ese z;
p=0.006, es decir una probabilidad del 0.6%.
La probabilidad igual a 0,006 se interpreta
como el porcentaje de muestras que sería
esperable que estuviesen a esta distancia (a -
2,51 errores estándar) o todavía más lejos de H0, si H0 fuese cierta en la
población. Por tanto, z es la distancia desde nuestro resultado a la hipótesis
nula. Una vez obtenida p =0,006, se puede pensar que si H0 fuese cierta (en la
población) sería bastante raro (6 de cada 1.000 veces) haber encontrado en la
muestra una proporción de 0,018. Este resultado es poco compatible con H0,
ya que la probabilidad de haber encontrado la diferencia observada (o una
mayor) en la muestra es muy baja. Esto conduce a decidir en contra de H 0.

7
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

La hipótesis nula podría ser cierta, pero en ese caso habría aparecido una
muestra extraordinariamente apartada de lo esperado. Se concluye que, si la
proporción de fallos del método sintotérmico fuese del 4%, existiría una
probabilidad muy baja (0,6%, o p = 0,006) de que en una muestra de 500
mujeres se produzcan nueve o menos embarazos.

3. En un estudio en el que se compararon los resultados obtenidos en 641

pacientes colecistectomizados por vía laparoscópica (199 disecados con
KTP/532 láser y 442 disecados con electrocirugía monopolar), se observó
desarrollo de complicaciones graves en 16 pacientes disecados con KTP/532
láser y 11 con electrocirugía monopolar. ¿Existe diferencia significativa
respecto del porcentaje de complicaciones graves entre ambas técnicas de
disección?
H0: No hay diferencia entre ambas técnicas de disección.
Ha: Sí existe diferencia entre ambas técnicas de disección.

Si [p1 - p2] resulta ser mayor que el producto de 1,96 (Zα-0,05) multiplicado por
el error estándar, concluimos que la diferencia es significativa.
Explicación:
 Primero hallamos la diferencia de proporciones:
[p1-p2]= [0.080-0.026] = 0.054
 Luego procederemos a calcular el error estándar (ES), para hallar
necesitamos una media de ambas proporciones:
P = [p1+p2]/2 = [0.080+0.026]/2 = 0.053
Teniendo la media, procedemos a hallar el ES:

 Calculado el error estándar, pasamos a multiplicar por un factor

establecido a un nivel de significancia del 5%. Dicho valor es 1,96.
ES*1.96 (Zalfa-0.05) = 0.00035*1.96 = 0.00069

8
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

Para llegar a una conclusión en comparación de dos proporciones se verifica la

magnitud de la diferencia existente entre los grupos a comparar (A y B). Si esta
magnitud es mayor que un error estándar definido multiplicado por una
seguridad definida, concluimos que la diferencia entre A y B es significativa; por
ende, se rechaza la hipótesis nula y se acepta la hipótesis alternativa.
Entonces, para nuestro ejercicio si la diferencia de [p1 - p2] = 0,054 supera al
error estándar multiplicado por Zα-0,05 (0,00069) concluimos que existe una
diferencia estadísticamente significativa entre los grupos en estudio;
rechazamos H0 y aceptamos la Ha.

4. En un Metalisis “Salivary LDH in oral cancer and potentially malignant

disorders” se pretende evaluar si los niveles de lactato deshidrogenasa (LDH)
salival están aumentados en pacientes con cáncer oral (OC) o trastornos orales
potencialmente malignos (OPMD) en comparación con un grupo control sano
(GC). Los resultados fueron los siguientes:
El metaanálisis mostró que los niveles de LDH eran más altos en el grupo de
cáncer oral que en el grupo control (DME 9,49; IC del 95%: 6,97-12; p =
0,00001). Los pacientes con leucoplasia oral (DME 11,67; IC 95% 1,01-22,33; p
= 0,03) y fibrosis submucosa oral (DME 25,83; IC 95% -1,74-53,40; p = 0,07)
también presentaron niveles superiores al GC. Además, los pacientes con
cáncer oral tenían niveles de LDH en saliva más altos que los pacientes con
leucoplasia oral (DME 5,62; IC del 95%: 2,14-9,11; p = 0,002).
Donde se concluye que La determinación de LDH en saliva puede ser un
método útil para el cribado y seguimiento de OC y OPMD
Análisis
Realizando el análisis de estos resultados podemos ver que el p valor en los
diferentes resultados es muy pequeño indicando de esta manera que la
probabilidad de que la H0 o que los niveles de LDH no estén aumentados en el
cáncer oral es muy baja, por lo tanto se puede afirmar que la LDH si esta
aumentada en el cáncer oral y es válida la conclusión del estudio que afirma
que la determinación de LDH en saliva puede ser un método útil para el cribado
y seguimiento de cáncer oral.

9
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

5. Se realizó un estudio en el que se desea comparar el uso de esteroide más

mizoribina y esteroide solo en pacientes con lupus eritematoso sistémico en
Japón para conocer si existía una reducción en la actividad de la enfermedad.
El número de pacientes reclutados fueron 60 y el seguimiento se hizo en 1 año.
Al realizar el análisis estadístico se observó que había una disminución del
56% en el grupo combinado y un 35% en el grupo de esteroide solo, en el que
se obtuvo una p de 0.09. El estudio concluyó que no hay diferencia significativa
entre los que usan esteroide más mirozibina y los que usan esteroide solo.
¿Qué podemos decir de este estudio? En este caso p > 0.05, por lo que no
existe diferencia estadística. Sin embargo, analicemos el estudio. La diferencia
entre grupos es grande (56-35= 21%), pero la cantidad de la muestra es
pequeña (60). Si incrementáramos el tamaño de muestra, el valor de p pudiese
entrar en la significancia estadística. El aceptar la hipótesis nula cuando esta es
falsa, estamos ante un error tipo II (falso negativo).

IV. CONCLUSIONES

 El valor p nos permite definir la aceptación o rechazo de la hipótesis nula,

confrontándolo con el valor de alfa establecido.

 Generalmente, una p < 0,05 quiere decir que es poco probable que la H0
sea cierta, luego se rechaza para abrazar la alternativa, pero siempre se
tiene cierta probabilidad de cometer lo que se denomina un error de tipo 1:
rechazar la hipótesis nula cuando en realidad es verdadera.

 Por otra parte, el valor de p > 0,05 no afirma que la H0 sea verdadera, ya
que puede ocurrir que la diferencia sea real y el estudio no tenga potencia
para detectarla. Estaremos ante el error de tipo 2: no rechazar la hipótesis
de nulidad (y afirmar que no existe el efecto) cuando en realidad sí que
existe en la población.

10
 INFORME – MEDICINA BASADA EN EVIDENCIA FMH - UNPRG

V. BIBLIOGRAFÍA

 Blair C., Taylor R. Bioestadística. Peason. Prentice Hall. 2008

 immermann F., Estadística para investigadores. Editorial Escuela
Colombiana de Ingeniería. 2004.
 Martinez González Á, Sánchez Villegas A, Toledo Atucha EA, Faulin
Fajardo J. Bioestadística Amigable. 3rd ed. Barcelona: Elsevier España;
2014.
 Manterola, C., & Pineda, V. (2008). El valor de p y la significancia
estadistica. Aspectos generales y su valor en la práctica clínica. Revista
chilena de cirugía , 86-89.
 Epidat. Ayuda de Muestreo. 2016. p. 17.
 Fletcher, R. H. y Fletcher, S. W. (2008). Epidemiología clínica (4a. ed.).
Wolters Kluwer Health.
https://elibro.net/es/ereader/unprg/125328?page=200

11