¿Cómo influye el azar en la investigación en psicología?
¿Cómo influye el azar en la investigación en psicología?
Estamos a mitad del año, y nuestro número de seguidores crece de forma discreta pero constante. En este mes de junio queremos obsequiar a nuestros lectores menos empapados de terminología bioestadística, el primero de una serie de artículos enfocados a aprender a interpretar esos valores numéricos que tan a menudo se citan en este portal cuando se reportan los resultados de un meta-análisis de literatura científica.
Causalidad vs. Condicionalidad
Si buscáramos el escenario más simple posible para ilustrar una situación azarosa, seguramente a más de uno le viene a la mente el lanzamiento de una moneda al aire. La simplicidad de la escena permite poner de manifiesto una verdad inminente de toda situación que se desee medir: es imposible saber por qué un evento azaroso ocurre de la forma en que ocurre. Es decir, si lanzamos una moneda al aire y cae en cruz, no podemos dar una explicación causal de por qué ocurrió ello. Lo que sí podemos hacer es dar una explicación condicional del evento.
En psicología, cada vez son menos los marcos teóricos que buscan relaciones causa-efecto basados en la mera conjetura, y son más los que se centran en las condiciones que favorecen o no el evento observado. Esto es lo que se llama condición de posibilidad. Una moneda lanzada al aire está en condición de posibilidad de varias cosas, y dicha posibilidad sí puede ser cuantificable. Es posible en un 100% que la moneda caerá al suelo porque de las 100 veces que la lancemos, seguramente que caerá al suelo.
Sin embargo, esta condición de posibilidad sólo puede pasar de supuesto a prueba a través de la experimentación. Así, lanzaremos una moneda 100 veces al aire, y nos aseguraremos de verificar con el método científico que nuestro supuesto es cierto. Así, cuando una diga la frase “una moneda al aire caerá el 100% de las veces al suelo” y alguien nos pregunte, “¿por qué lo aseguras?” podremos responder tajantemente “porque tengo pruebas de ello”.
Condicionalidad y probabilidad
Ahora bien, una moneda tiene dos lados: cara y cruz. Si la lazamos al aire, alguna de las veces caerá del lado de la cruz, y otras tantas, del lado de la cara. Lanzar la moneda al aire, la pone en condición de posibilidad de caer del lado de la cruz, como del lado de la cara, porque ambos eventos ocurren. Aquí viene la gran pregunta. Si ya vimos que no hay una causa para que la moneda caiga unas veces de un lado y otras del otro, ¿cómo saber de qué lado va a caer? La respuesta está en la probabilidad.
No se trata de preguntar por qué cae de un lado o del otro, sino, qué probabilidad hay de que caiga de un lado que del otro. Como se trata de una misma moneda con dos caras, podemos decir que en un único evento, ambas caras tienen la misma posibilidad de caer. Por lo tanto una misma moneda con dos condiciones posibles son 1 entre 2, que es: 0.5. Diríamos entonces que las probabilidades de que una moneda caiga con el lado de la cruz hacia arriba es de 0.5 “monedas” o media moneda. Como no existe tal cosa, tenemos que ampliar la muestra para que nuestra unidad mínima sea creíble. Aquí una simple suma lo resuelve todo: 0.5 + 0.5 = 1. Es decir, la probabilidad de que caiga cruz es de 1 vez en dos monedas. Como el lado de la cara tiene la misma probabilidad, ambas comparten la misma.
Al pasar nuestro supuesto al plano de la comprobación, la aritmética nos dice que si lanzo la moneda 100 veces, caerá del lado de la cruz 50 veces, y del otro lado las otras 50. Es decir, hay un 50% de probabilidad de que la moneda caiga en cruz. Sin embargo, cuando hago el experimento, me doy cuenta que la moneda cayó 62 veces del lado de la cara, y el resto del lado de la cruz. ¿Cómo saber si este resultado es efecto meramente de la probabilidad, o por otra condición?
El factor de probabilidad “p” en investigación en psicológica clínica
Así como en nuestro ejemplo de la moneda, en la investigación sanitaria nos topamos con escenarios donde la condición de posibilidad está ampliamente llena de probabilidades, y la adecuada ponderación de ésta determina una de las pruebas fundamentales para saber si una intervención es o no significativa.
Esto es lo que se llama el factor de probabilidad, simplemente acotado como “factor p” o “p”. Se trata de un valor bioestadístico que del modo más sencillo nos indica qué tanto ha intervenido el azar o la probabilidad en los resultados de una investigación. El valor “p” de un estudio puede entenderse como un porcentaje en que los hechos ocurrieron azarosamente. Así, un valor p=0.05 nos indica que de los resultados obtenidos, el 50% de ellos se hubieran obtenido de esa forma en situaciones normales (azarosas). Es decir, ese es el valor “p” de lanzar una moneda al aire.
Cuando se lee un artículo científico, es importante leer el valor “p” reportado de la investigación y contrastarlo con los escenarios investigados. En estudios de respuesta vs. no-respuesta, un estudio se considerará estadísticamente significativo si el valor p < 0.001, es decir, que menos del 1% de los resultados hayan sido afectados por el azar. Sin embargo, algunos científicos dirán que sus resultados son significativos con una p=.01, lo cual nos habla de una tolerancia de más menos 10% de error. Algo que en un experimento con 15 pacientes, es absurdo.
Resultados significativos
En resumen, cuando se revisa literatura científica, la frase “los resultados fueron estadísticamente significativos” debe ir acompañada siempre y sin excusa del valor “p” que fundamenta esta aseveración. Como regla general, mientras mayor sea la muestra y mayor el número de eventos posibles (por ejemplo, lanzar un dado de 20 lados), será más tolerable una “p” entre 0.01 y 0.001. Mientras que en estudios con sólo dos eventos posibles y muestras reducidas, la “p” deberá ser mínima con valores p<0.0001.
Si se lee un artículo que proclama “resultados significativos” y no se aporta el análisis de valor “p”, ese artículo carece de relevancia, y no puede ser considerado un artículo estadísticamente validado.
Actualidad Clínica en Psicología 
Esto sirve para recalcar la importancia de saber leer e interpretar de manera correcta un estudio de investigación. Muchas veces nos encontramos con investigaciones realizadas con muestras ridículas de 30 personas en donde apenas se arrastran los resultados para alcanzar valores p=0.5. Los investigadores en sus conclusiones argumentan que esto es un resultado significativo y al mismo tiempo, en muchas ocasiones, dicen que se necesita de mayor investigación sobre el tema. Más bien esto solo muestra ruido en la información o manipulación basada en el sesgo del investigador. Muchas gracias por la explicación.
Efectivamente, psicoescéptico. No son raras las publicaciones de estudios que reportan valores p=0.8 y que los autores lo consideran estadísticamente significativo. Este tipo de acciones son más frecuentes en boletines donde no hay una revisión por pares (peer review) del artículo antes de su publicación. Esta práctica sólo provoca confusión entre lectores nóveles que creen porque una investigación fue publicada, debe ser cierta.
Saludos,
C.M.