Desde hace algunos años, el Comité Internacional de Editores de Revistas Médicas1 sugiere el cálculo de medidas de tamaño del efecto (TE) como complemento de la información acerca de la presencia o no de diferencias estadísticamente significativas, obtenida a través de los valores del test de significación de la hipótesis nula (NHST, por sus siglas en inglés). Estas medidas del TE brindan información acerca de la importancia práctica de los resultados de un estudio2. El cálculo del TE se hace necesario si se tiene en consideración las críticas al uso del NHST3, las mismas que están en relación al máximo error permitido para no aceptar la hipótesis nula (Ho) y su sensibilidad al tamaño de la muestra4.
En estudios que tienen como objetivo estudiar el efecto de una(s) variable(s) sobre otra, uno de los procedimientos más adecuados es el análisis predictivo a través de un modelo de regresión. La regresión permite determinar si la influencia de las variables predictoras (independientes) sobre una variable dependiente es estadísticamente significativa o no en función del p-valor (mayor o menor a 0,05) vinculado a la prueba estadística de ANOVA5. Este es el caso del importante estudio de Rubio et al.6, el cual señala que la extraversión explica el 19,9% de la variabilidad del bienestar psicológico, llegando a incrementarse a un 25,3% al considerar también la influencia de las actividades realizadas, el género y la procedencia de los participantes, siendo estos resultados estadísticamente significativos. A pesar de esto, no se brinda información acerca del tamaño o grado de la influencia7. Así, la presente carta tiene como objetivo complementar los valiosos resultados del estudio de Rubio et al., con una medida del TE.
Como alternativa para el cálculo del TE en análisis de regresión, se sugiere el empleo del coeficiente de determinación (R2)7, el cual brinda información acerca del porcentaje de variabilidad de la variable dependiente explicada por el modelo (variables independientes)5. Para su interpretación, se ha señalado que un valor de R2<0,02, no tiene TE; R2≥0,02, expresa un TE pequeño; R2≥0,13 un TE mediano y R2≥0,26 un TE grande8. Además, es importante también el cálculo de los intervalos de confianza (IC) de R2 como una medida del rango de sus posibles valores en función de un nivel de confianza (95, 99%, etc.)7. El conocer los IC permitirá tener mayor evidencia empírica de que los resultados hallados poseen utilidad práctica9. Para la interpretación de los IC se tiene en consideración su límite inferior (LI), donde un valor menor al mínimo requerido (R2≥0,02) haría inviable la interpretación de su importancia práctica7.
A partir del análisis de los datos de la tabla 3 del estudio de Rubio et al., y utilizando un módulo de Microsoft Excel® para el cálculo de los IC7, se puede reportar que el R2 del modelo 1 (extraversión) (0,199) y del modelo 6 (extraversión, actividades realizadas, género y procedencia) (0,253) tienen un TE mediano. Al incluir el cálculo de los IC al 99% de R2 del modelo 1 (0,045-0,352) y modelo 6 (0,091-0,415), los límites inferiores indicarían que el TE de ambos modelos es pequeño. Estos resultados indicarían que, tanto la extraversión por sí sola (modelo 1) como la extraversión, las actividades realizadas, el género y la procedencia en conjunto (modelo 6) tienen una influencia pequeña sobre el bienestar de las 139 personas evaluadas con edades entre los 55 y los 94 años.
La presente carta no busca desmerecer la importante evidencia que presenta el estudio de Rubio et al. para una mejor comprensión del bienestar en personas adultas mayores. Lo que se sugiere es que en próximas investigaciones en geriatría y gerontología que empleen análisis de regresión se incorpore el cálculo de medidas del TE y sus IC para determinar la importancia práctica y evitar errores en la interpretación de los resultados, más aún si estos van a ser de utilidad para la toma de decisiones en el ámbito geriátrico.
