¿Cómo interpretar el IC 95% de una diferencia, un RR o un OR?

En esta entrega vamos a referirnos a la manera de interpretar el IC 95% en situaciones particulares.

IC 95% de una diferencia

Supongamos que estudiamos en 100 pacientes el efecto de un régimen hipocalórico instaurado para perder peso y llevado a cabo durante 6 meses. El peso promedio de los 100 pacientes al iniciar el estudio es 121,5 kg. Un mes después, su peso promedio es 120, 4 kg. La media de la diferencia de peso lograda es de 1,1 kg. Como ha habido resultados muy variados y la dispersión es amplia, el desvío estándar es 6 kg. Como con cualquier medición, podemos construir para esta diferencia un IC 95%.

IC 95%= media ± 1,96 SEM= 1,1 ± 1,96 (6/√ 100)= 1,1 ± 1,96 (0,6)= 1,1 ± 1,176.

Ello implica que el IC 95% de la media de la diferencia tiene como extremo inferior – 0,076 kg y como extremo superior 2,276 kg.

¿Cómo leemos estos resultados? Si hubiéramos repetido el experimento 100 veces con muestras de igual n, 95 veces la media de descenso de peso se hubiera encontrado entre -0,076 kg (lo cual implica un aumento de peso) y 2,276 kg (descenso de peso de ese monto). El IC 95% se encuentra como vemos a ambos lados de la línea del 0, con valores menores y mayores que 0. Es claro que para que una diferencia entre 2 variables continuas sea estadísticamente significativa tiene que excluir entre sus valores posibles al 0; si 0 es un resultado posible significa que podría no haber diferencia.

En otras palabras, si el IC 95% de una diferencia incluye al 0, esa diferencia no es estadísticamente significativa, y no es necesario averiguar el valor de p para afirmarlo.

Si, por el contrario, el IC 95% de una diferencia no incluye al 0, la diferencia es con certeza estadísticamente significativa.

IC 95% de un RR o un OR.

Al referirnos a RR y OR en entregas anteriores hicimos hincapié en que se trata de medidas que señalan la fuerza de asociación entre una variable predictora (categórica o continua) y una variable respuesta. Como cualquier otra medida estadística, RR y OR tienen también un IC 95%. El mismo se construye…

Supongamos que estudiamos la relación entre diabetes y deterioro cognitivo. En una cohorte de adultos mayores de 40 años seguidos durante 10 años encontramos que los diabéticos presentan, respecto de los no diabéticos, un RR para la incidencia de deterioro cognitivo de 1,45, con un IC 95% que tiene como extremos 1,12 y 1,78. ¿Cómo leemos estos resultados? Si hubiéramos repetido el experimento 100 veces con muestras de igual n, 95 veces el RR hubiera estado entre 1,12 y 1,78. Como vemos, el RR hubiera sido en todos los casos mayor que 1. ¿Y por qué eso es importante? Porque si el RR fuera 1, ello significaría que puede no haber asociación alguna, y tener igual riesgo de deterioro cognitivo los diabéticos y los no diabéticos. Por eso, si el extremo inferior del IC 95% de un RR o un OR es mayor que 1, la asociación es significativa con valor de p< 0.05, implicando aumento de riesgo. Podemos concluir que ser diabético implica un riesgo aumentado de deterioro.

Supongamos ahora que en nuestra cohorte el RR es el mismo, pero el IC 95% tiene como extremos 0,87 y 2,01. En este caso el IC 95% engloba al 1, y un resultado posible de nuestra observación (el que corresponde al extremo inferior) podría ser que la relación de riesgo entre diabéticos y no diabéticos para presentar deterioro cognitivo fuera 0,87, es decir que ser diabético hasta podría implicar un riesgo 13 % menor! En el otro extremo, ser diabético podría implicar el doble de riesgo. Como vemos, si el IC 95% engloba al 1 no podemos establecer en forma significativa un aumento o disminución de riesgo; ambas situaciones son posibles. Es claro que en este caso el valor de p para la asociación entre la variable predictora y la respuesta será >0.05: no habrá una asociación estadísticamente significativa.

Vayamos ahora al último ejemplo: en la misma cohorte, aquellos que practican ejercicio físico en forma regular presentan, respecto de los que no lo hacen, un RR para la incidencia de deterioro cognitivo de 0,76, con un IC 95% 0,60-0,92. ¿Qué interpretamos? Un RR de 0,76 implica un descenso de riesgo del orden del 24%; el extremo inferior del IC 95% (0,60) implica un descenso de riesgo del 40%, y 0,92, el extremo superior, un descenso de riesgo del 8%. Como vemos, nuevamente el IC 95% no engloba al 1, y todos los valores comprendidos en el mismo implican disminución de riesgo. En este caso, la variable considerada funciona como una variable protectora. En conclusión, si el extremo superior del IC 95% de un RR o un OR es menor que 1, es claro que la asociación es estadísticamente significativa, con valor de p<0.05, y que la variable considerada, cuando está presente, implica disminución de riesgo para la ocurrencia de la variable respuesta.

Dr. Jorge Thierer