Sr. Editor
En el estudio de (Laderia y Grincenkov. 2020), publicado en la presente revista, se reportaron asociaciones significativas, en una muestra brasileña formada por 25 pacientes con cáncer y sus cuidadores, en la puntuación de ansiedad (AN) y el dominio físico de la calidad de vida (DF) en ambos grupos, respectivamente, a través del test de significancia de la hipótesis nula (NHST, por sus siglas en ingles) de mayor uso en la investigación clínica. Se utilizó el coeficiente de correlación de Spearman, este análisis es debido en consideración del tamaño de muestra reducido y la distribución asimétrica de los datos (Laderia & Grincenkov, 2020).
Los resultados fueron interpretados por el rechazo de la hipótesis nula a partir del nivel de significancia de 0.05 que permite asumir la hipótesis alterna de correlación a criterio del investigador (Leppink, O'Sullivan, & Winston, 2017). Sin embargo, es importante la reevaluación estadística para reforzar la aceptación de las hipótesis frecuentistas en la investigación psicológica (Pek & Van Zandt, 2019; Wagenmakers et al., 2018), por tanto, la presente carta tiene como objetivo presentar un ejemplo de replicación bayesiana. La estadística bayesiana permite contrastar hipótesis mediante probabilidades de credibilidad, con la ventaja de asegurar si la falta de significancia se debe a la insensibilidad de los datos o a la evidencia que respalda la falta de relación entre las variables, y de manera recíproca permite evaluar el nivel de evidencia probable de los valores significativos de las relaciones estadísticas y otros análisis basados en el nivel de significancia “p< 0.05”, siendo una alternativa metodológica que brinda mayor precisión a los análisis correlacionales (Pek & Van Zandt, 2019; Ramos-Vera, 2021; Wagenmakers et al., 2018). Específicamente, el factor Bayes es el método que permite cuantificar el grado en que los datos apoyan tanto la hipótesis nula como la hipótesis alterna de la estadística frecuentista, cuyos valores se basan en el esquema de clasificación de (Lee y Wagenmakers. 2013): “débil”, “moderado”, “fuerte” y “muy fuerte” (ver Tabla 1).
Para la reevaluación bayesiana de los datos se tuvo en consideración el tamaño de las dos muestras (n=25, n=25) y los valores de correlación (Ly, Raj, Etz, Gronau, & Wagenmakers, 2018; Quintana & Williams, 2018). Las asociaciones significativas referidas en el primer párrafo entre AN y DF reportaron estimaciones de rho=-.457 y rho=-.475 en pacientes oncológicos y sus cuidadores respectivamente (Laderia & Grincenkov, 2020).
Para la inferencia bayesiana se tuvo en cuenta dos interpretaciones del factor Bayes: FB10 (a favor de la hipótesis alternativa de significancia) y BF01 (a favor de la hipótesis nula) y el intervalo de credibilidad al 95% con el fin de reevaluar la hipótesis de significancia de ambas correlaciones de AN-DF. Los resultados obtenidos del factor Bayes según el coeficiente de Kendall (ante la falta de normalidad de los datos) son BF10=33.88 y BF01=0.03 e IC95% [-.655 a -.152] y BF10=50.05 y BF01=0.02 e IC95% [-.670 a -.168], respectivamente. Este modelo bayesiano señaló una magnitud de evidencia muy fuerte en ambas hipótesis alternas de correlación entre AN-DF lo cual fortalece los resultados de (Laderia y Grincenkov. 2020), pues respaldan la evidencia a favor de la hipótesis de correlación 33 y 50 veces mayor a algún posible hallazgo de nulidad, por tanto, la hipótesis nula del factor Bayes que presenta una evidencia moderada se ve reducida en proporción, y no permite tomar en cuenta su interpretación. Asimismo, también se reporta el parámetro del factor Bayes máximo para determinar la estabilidad de los resultados, estos reportan valores muy similares, siendo mayores a 33 y 50, respectivamente, avalando los resultados correlacionales significativos (Ly et al., 2018; Quintana & Williams, 2018).
Por tanto, la inclusión del factor Bayes sería un gran aporte para el análisis probabilístico inferencial en el planteamiento de las hipótesis estadísticas, cuyo uso es inclusivo con diferentes pruebas estadísticas como el uso del estadístico t de Student que se evidencia en la literatura psicológica sudamericana reciente (Guillen & Baños-Chaparro, 2021; Núñez, Ramos-Vera, Serpa, & Ogundokun, 2021). Además, permite la reevaluación de los resultados de investigaciones reales anteriores para determinar la certeza de sus conclusiones en análisis basados en NHST incluso cuando no se cuenta con acceso a los datos, reforzando también las investigaciones sistemáticas de metaanálisis, lo cual puede servir de base para futuros estudios en la revista que integren estos análisis como un aporte metodológico en el avance de la investigación psicológica (Pek & Van Zandt, 2019).
No hay conflicto de interés
Sin financiamiento