Las investigaciones clínicas reportadas en la presente revista emplean el marco estándar de las estadísticas frecuentistas basado en las hipótesis de significación (p<0,05). Este método conduce a una dicotomización de los resultados como «significativos» o «no significativos» que ha sido cuestionable1. Por lo cual, es importante el uso del enfoque bayesiano, como una forma mejorada de extraer conclusiones estadísticas a partir de datos clínicos, dado que facilita la respuesta a la pregunta: ¿cuál es la probabilidad de que el efecto sea concluyente según los datos?, que brinda una mayor validez a las conclusiones significativas. Por ejemplo, el uso del factor Bayes (FB), que pondera la probabilidad de una hipótesis en relación con la otra según la muestra de estudio (hipótesis nula vs. hipótesis alterna)2. Dada la información previa de los datos es útil para estudios clínicos que integren diversas medidas estadísticas, como por ejemplo la estimación de odds ratios (probabilidad de ocurrencia de un evento).

La recomendación de interpretación según la magnitud del efecto (conversión a d de Cohen)3 no siempre es idónea en la investigación clínica debido a las diferencias del tamaño de la muestra y las diferentes mediciones clínicas utilizadas1. Se debe evaluar la fuerza probatoria mediante el FB según los valores de Jeffreys2.

Se consideró para el FB un estudio longitudinal reciente que reportó una relación significativa del rendimiento académico y el sexo femenino en estudiantes de medicina (odds ratio de 2,4)4. Este valor se convirtió a coeficiente de Pearson (r=0,234) mediante una calculadora online5. Los resultados refieren: FB10 (hipótesis alterna)=1,557 y FB01 (hipótesis nula)=0,642 e IC95% [0,030-0,413], que señalan una evidencia débil y mayor incertidumbre para precisar la credibilidad de las hipótesis. Es recomendable un análisis de poder estadístico con un tamaño muestral más idóneo para confirmar la asunción de las hipótesis estadísticas.