RR
¿Cuánto cambia el riesgo?
Compara probabilidades cuando el riesgo puede estimarse en ambos grupos. Suele ser clínicamente intuitivo.
Decision map
Antes de las fórmulas
La estadística empieza cuando un número necesita significado clínico.
No memorice pruebas. Primero defina qué desenlace observa, qué comparación necesita y qué estimación respondería la pregunta. Después elija el modelo.
01
Outcomebinario, continuo, ordinal, tiempo, conteo02
Horizontecuándo se evalúa03
Comparacióncontra qué grupo o referencia04
Estimandoqué número responde05
Modelocómo estimarlo con incertidumbreRegla didáctica basada en diseño clínico y lectura crítica de medidas de efecto.18
Tres lentes
RR, OR y HR no son tres formas de decir lo mismo.
OR
¿Cuánto cambian las odds?
Es natural en casos y controles y en logística. No traduzca automáticamente OR como “riesgo”.
HR
¿Cómo cambia el hazard en el tiempo?
Incorpora cuándo ocurren eventos y censura. HR 0,70 no significa “30% menos muertes al final”.
La pregunta clínica decide el lente. Antes de interpretar un número, identifique qué medida reporta y qué diseño la produjo.18
Efecto relativo vs absoluto
El mismo RR puede significar mundos clínicos distintos.
ESCENARIO A
2% → 1%
RR = 0,50. Reducción absoluta = 1 punto porcentual. El efecto relativo parece grande, pero el beneficio absoluto es pequeño.
ESCENARIO B
40% → 20%
RR = 0,50. Reducción absoluta = 20 puntos porcentuales. Mismo efecto relativo; impacto clínico muy diferente.
Para decidir, mire efecto relativo y absoluto. NNT/NNH nacen de diferencias absolutas de riesgo y necesitan un desenlace y periodo definidos.18
Incertidumbre
IC y valor p no reemplazan la magnitud del efecto.
IC 95%
¿Qué magnitudes siguen siendo compatibles con los datos?
El intervalo informa precisión y rango de efectos compatibles bajo el modelo; no es una frontera de “verdad”.8
P VALUE
¿Qué tan compatibles son los datos con H₀?
p=0,03 no significa 97% de probabilidad de que el tratamiento funcione; p>0,05 tampoco prueba ausencia de efecto.89
No haga esto
Cinco atajos que parecen “estadísticos” pero dañan la pregunta.
DichotomizarConvertir una variable continua en sí/no por comodidad puede perder información y potencia.7
p univariadoNo seleccione confusores solo porque “salieron significativos”. El rol causal importa más.
Modelo primeroNo elija regresión logística, Cox o lineal antes de definir outcome, tiempo y estimando.
Promedio sin contextoLa forma de la distribución, outliers y escala clínica determinan cómo resumir.
Missing = 0Cero es un valor; missing es información ausente. Confundirlos cambia la biología del dato.