Estimado Editor:

Este año, en el volumen 37 de la Revista de Nutrición Hospitalaria, se publicaron dos importantes artículos que reportaron correlaciones de Pearson positivas y estadísticamente significativas. La investigación más reciente evaluó la relación de la dinamometría con la hemoglobina (g/dL) en 150 pacientes con enfermedad renal crónica (¹). El otro estudio estimó la relación entre los niveles de insulina y la ratio NGAL/creatinina en 26 adolescentes con sobrepeso (²). La presente carta tiene como objetivo presentar dos ejemplos de reanálisis bayesiano (³), considerando los valores de correlación (r = 0,206; r = 0,483) y los datos muestrales de ambos estudios (150 y 26), respectivamente (¹,²).

El empleo del factor de Bayes permite evaluar el contraste de probabilidad de las hipótesis estadísticas, dados los datos necesarios, a partir del estado de los valores de "p", el cual brinda información adicional más allá de la interpretación dicotómica del rechazo o aceptación de la hipótesis nula (³,⁴), mediante un sistema de valores según la escala de clasificación de Jeffreys (⁵): débil, moderado, fuerte y muy fuerte (Tabla I).

Tabla I.  Valores de interpretación cuantificable del factor Bayes 

Nota: Creación propia según Jeffreys (⁵).

El factor de Bayes consta de dos interpretaciones: FB₁₀ (a favor de la hipótesis alternativa) y BF₀₁ (a favor de la hipótesis nula), más el intervalo de credibilidad del 95 % (⁶). Los resultados obtenidos del factor de Bayes evidenciaron: BF₁₀ = 2,424 y BF₀₁ = 0,412, con IC 95 % de 0,047 a 0,351, en la investigación de pacientes con condición renal crónica, y BF₁₀ = 4,702 y BF₀₁ = 0,213, con IC 95 % de 0,103 a 0,713, en el estudio que incluyó a adolescentes con sobrepeso. La primera inferencia bayesiana refiere una evidencia débil a favor de la hipótesis estadística alterna (correlación) de la dinamometría y la hemoglobina, reportada por Gul y cols. (¹), mientras que el segundo hallazgo del factor de Bayes presentó un respaldo moderado a favor de la hipótesis alterna (correlación) entre los niveles de insulina y la ratio NGAL/creatinina, reportada por Hernández y cols. (²).

Así también se reportan los parámetros del factor de Bayes máximo respectivo (maxBF₁₀ = 5,882 y maxBF₁₀ = 5,633) para determinar la estabilidad de los resultados, cuyos valores similares otorgan una mayor consistencia a las estimaciones de la reevaluación bayesiana.

El factor de Bayes es de gran utilidad en otros análisis y reanálisis estadísticos basados en el enfoque NHST en las investigaciones clínicas (⁷,⁸). Esta alternativa metodológica es más idónea para futuros artículos donde se utilicen muestras pequeñas, que presentan menos probabilidades de rechazar la hipótesis nula cuando esta es falsa y una mayor prevalencia de falsos positivos (⁹). En consecuencia, las pautas de interpretación de los valores estimados según el enfoque NHST pueden ser controvertidos. Además, estos criterios varían entre los diferentes campos y subdisciplinas de las ciencias de la salud debido al tipo de investigación, las medidas específicas utilizadas y las poblaciones de interés (⁹,¹⁰).

En conclusión, la inferencia bayesiana es esencial para precisar el grado de fuerza probatoria de las hipótesis estadísticas más allá de estos marcos referidos.