Significancia vs. Relevancia Clínica
¿Qué significa realmente un resultado estadístico?
Objetivo: Distinguir entre significancia estadística y relevancia clínica, e interpretar el NNT, el NNH y la MCID para tomar decisiones informadas.
La anécdota que lo cambió todo: el estudio PARAMEDIC2
Imagina que estás en una ambulancia, tu paciente está en paro cardíaco. Durante décadas, la adrenalina fue el estándar. Llega el estudio PARAMEDIC2 (2018, n=8.014) y encuentra que la adrenalina aumenta la supervivencia a 30 días: 3.2% vs 2.4% en el grupo placebo. Diferencia: 0.8%. p=0.02. ¿Es esto clínicamente relevante?
La diferencia absoluta es minúscula —un paciente adicional salvado por cada 125 tratados— y el estudio también encontró que casi duplicó el riesgo de daño neurológico severo en los sobrevivientes (31% vs 17.6%). Aquí tienes un resultado estadísticamente significativo que obliga a una conversación profundamente humana: ¿vale la pena sobrevivir con daño cerebral severo? La significancia sola no responde esta pregunta. La relevancia clínica, sí.
¿Por qué empezamos con esta historia?
Porque resume en un solo caso real todo lo que aprenderás hoy: un p-valor pequeño no te dice si el efecto importa, si el beneficio supera el daño, o si deberías cambiar tu práctica. Para eso necesitas MCID, NNT, NNH y —sobre todo— criterio clínico.
Visualicemos la diferencia
Imagina dos campanas. La campana de la izquierda es el grupo control. La de la derecha, el grupo tratado. El desplazamiento entre ambas es el tamaño del efecto. La zona sombreada en verde claro es la MCID: el umbral a partir del cual el cambio empieza a importarle al paciente.
¿Qué nos dice este gráfico?
Con una muestra suficientemente grande, un desplazamiento minúsculo entre las curvas (rojo) puede ser estadísticamente significativo. Pero para que el cambio le importe al paciente, necesitas un desplazamiento que cruce el umbral de la MCID (verde). El p-valor solo te dice si hay desplazamiento; la MCID te dice si ese desplazamiento vale la pena.
El error del siglo: confundir significancia con importancia
Con una muestra suficientemente grande, cualquier diferencia, por pequeña que sea, puede alcanzar significancia estadística. Un estudio con n=50.000 puede detectar una diferencia de 0.3 mmHg en presión arterial con p<0.001. Esa diferencia no tiene ningún impacto clínico. Sin el tamaño del efecto y la MCID, el valor p es solo la mitad de la historia.
Piensa en esto: si mides la altura de 100.000 personas en dos ciudades, encontrarás una diferencia estadísticamente significativa de 0.2 cm entre ellas. ¿Cambia eso tu práctica clínica? ¿Le importa a alguien esa diferencia? No. Pero el p-valor será minúsculo. El tamaño muestral amplifica el p-valor, no la relevancia.
| Concepto | Pregunta que responde | Depende del tamaño muestral |
|---|---|---|
| Significancia estadística (p) | ¿Es probable que esta diferencia sea fruto del azar? | Sí — con n grande, casi todo es significativo |
| Relevancia clínica | ¿Tiene este cambio un impacto real en la salud o bienestar del paciente? | No — depende del contexto y de la MCID |
MCID — Diferencia Mínima Clínicamente Importante
Es el cambio más pequeño en una medida de resultado que un paciente percibiría como beneficioso y que justificaría un cambio en el manejo. Ejemplos validados en la literatura:
- EVA del dolor (0–10): MCID = 1.5–2 puntos (Farrar et al., 2001, Pain).
- SF-36 (calidad de vida): MCID = 3–5 puntos (Ware et al., 1993).
- PAS/PAD en HTA: MCID ≈ 5–10 mmHg para justificar cambio de antihipertensivo (Clement et al., 2014).
- HbA1c en DM2: MCID ≈ 0.5% para considerar beneficio clínico real (Little et al., 2011).
- FEV₁ en EPOC: MCID ≈ 100 mL (Cazzola et al., 2008).
Un cambio de 0.3 puntos en la EVA con p=0.001 no es clínicamente relevante porque no alcanza la MCID de 1.5–2 puntos. Este es el corazón de la lección.
El peligro del n grande: el caso real del estudio ALLHAT
El estudio ALLHAT (n=33.357)comparó antihipertensivos y encontró diferencias estadísticamente significativas en múltiples resultados secundarios con p<0.001. Pero al examinar las diferencias absolutas, muchas eran menores a 1 mmHg o fracciones de eventos por cada 1.000 pacientes-año. Conclusión de los propios autores: "Muchas de las diferencias estadísticamente significativas observadas no son clínicamente relevantes dado el tamaño del estudio." Un recordatorio de que incluso los investigadores más rigurosos pueden ser tentados por el brillo del p-valor.
NNT y NNH: las medidas más humanas de la eficacia
El Número Necesario a Tratar (NNT) responde a: ¿cuántos pacientes debo tratar para que uno se beneficie, comparado con el control? El NNH (Número Necesario para Hacer Daño) hace lo mismo con los efectos adversos. Son las medidas que traducen la estadística al lenguaje del paciente.
| NNT | Interpretación | Ejemplo clínico real y referencia |
|---|---|---|
| 1–2 | Tratamiento muy efectivo | Adrenalina IM en anafilaxia grave (NNT=1–2, consenso clínico); Insulina en cetoacidosis diabética |
| 4–8 | Tratamiento altamente útil | Antibióticos en otitis media aguda en niños <2 años con diagnóstico certero (NNT≈4–7, Rovers et al., 2006) |
| 8–25 | Beneficio claro en práctica clínica | Aspirina en IAM agudo: NNT≈25 para prevenir una muerte a 35 días (ISIS-2, 1988) |
| 30–60 | Beneficio moderado, contexto-dependiente | Estatinas en prevención primaria: NNT≈50–60 para prevenir un evento CV mayor a 5 años (CTT Collaboration, 2012) |
| >100 | Beneficio marginal, cuestionar indicación | Ácido acetilsalicílico en prevención primaria en pacientes sin factores de riesgo: NNT>300 para eventos CV, pero NNH≈80 para sangrado mayor |
Cálculo del NNT paso a paso
NNT = 1 / Reducción Absoluta del Riesgo (RAR)
Ejemplo: Riesgo en grupo control = 20% (0.20). Riesgo en grupo tratado = 12% (0.12).
RAR = 0.20 − 0.12 = 0.08 (8%).
NNT = 1 / 0.08 = 12.5 ≈ 13.
Interpretación: necesitas tratar a 13 pacientes para evitar 1 evento que habría ocurrido sin el tratamiento. Es una medida de esfuerzo clínico. Cuanto más pequeño el NNT, más eficiente es la intervención.
NNH = 1 / Aumento Absoluto del Riesgo (AAR). Si el riesgo de un efecto adverso pasa del 2% al 5%: AAR = 3% → NNH = 1/0.03 ≈ 33. Necesitas tratar a 33 pacientes para causar un daño adicional.
Caso práctico: Estatinas en prevención primaria
Tienes frente a ti a Marta, una mujer de 58 años sin antecedentes cardiovasculares, con colesterol LDL de 145 mg/dL y tensión arterial normal. No fuma, no tiene diabetes. Su riesgo cardiovascular estimado (SCORE) es bajo-moderado. ¿Deberías prescribirle una estatina?
| Parámetro | Valor | ¿Qué significa? |
|---|---|---|
| Riesgo basal a 5 años (control) | ≈4% | 4 de cada 100 pacientes similares tendrán un evento CV mayor en 5 años sin tratamiento |
| Riesgo con estatina a 5 años | ≈3.2% | Reducción relativa del riesgo ≈20% (RRR típica de estatinas en prevención primaria) |
| RAR (Reducción Absoluta) | 0.8% (4% − 3.2%) | La diferencia absoluta es pequeña porque el riesgo basal es bajo |
| NNT a 5 años | 1 / 0.008 = 125 | Necesitas tratar 125 pacientes como Marta durante 5 años para evitar 1 evento CV |
| NNH (miopatía significativa) | ≈50–100 | Por cada 50–100 pacientes tratados, 1 desarrollará miopatía que afecta su calidad de vida |
| NNT vs NNH | 125 vs 50–100 | El balance beneficio/daño es estrecho. La decisión debe ser compartida. |
La conversación con Marta
Con estos datos, le dices a Marta: "Si tomamos 125 personas como tú y les damos esta pastilla durante 5 años, una evitará un infarto o un ictus. Pero entre 50 y 100 personas que la tomen, una tendrá dolores musculares que podrían afectar su día a día. No es una decisión obvia. ¿Qué valoras más tú?"
Esto es medicina basada en evidencia aplicada con humanidad. La p puede ser <0.001 en el ensayo clínico (porque el estudio tiene n=10.000+), pero el NNT de 125 te obliga a personalizar la decisión. La estadística informa; el paciente decide.
Tamaño del efecto: cuantificar la magnitud
El tamaño del efecto responde a la pregunta que el p-valor ignora: ¿cuánto? No basta con decir "hay diferencia". Hay que medirla. Aquí tienes las medidas más utilizadas en la literatura biomédica y cómo interpretarlas.
| Medida | Cuándo se usa | Interpretación orientativa | Equivalencia práctica |
|---|---|---|---|
| d de Cohen | Comparar medias (T-Test, ANOVA) | Pequeño: 0.2 · Moderado: 0.5 · Grande: 0.8 | d=0.5 equivale a una diferencia de 0.5 DE entre grupos |
| η² (eta cuadrado) | Varianza explicada en ANOVA | Pequeño: 0.01 · Moderado: 0.06 · Grande: 0.14 | η²=0.06 significa que el factor explica el 6% de la varianza total |
| r de Pearson / Spearman | Correlación | Débil: 0.1–0.3 · Moderada: 0.3–0.5 · Fuerte: >0.5 | r=0.3: el 9% de la varianza es compartida (r²=0.09) |
| OR / RR con IC 95% | Estudios de riesgo | Evaluar si el IC cruza el 1 (efecto nulo) | Un OR=1.5 con IC 95% [0.98–2.3] no es concluyente aunque p<0.05 |
Cuidado con la etiqueta 'grande'
Un tamaño del efecto "grande" según Cohen (d=0.8) no garantiza relevancia clínica. Depende del contexto. Un d=0.8 en reducción del dolor puede ser enorme; un d=0.8 en reducción de mortalidad puede ser revolucionario. Y al revés: un d=0.2 (pequeño) en mortalidad cardiovascular puede traducirse en miles de vidas salvadas a nivel poblacional. La etiqueta es orientativa; el juicio clínico es insustituible.
Diferencia entre RRA y RRR: el lenguaje del riesgo
¿RRR o RRA? El arte de impresionar con números
Un fármaco reduce el riesgo de infarto del 4% (grupo control) al 2% (grupo tratado). RRA = 2% (reducción absoluta: 4% − 2%). RRR = 50% (reducción relativa: (4% − 2%) / 4% = 50%). La RRR siempre suena más impresionante que la RRA. Por eso los titulares de prensa y la publicidad farmacéutica prefieren la RRR: "¡Reduce el riesgo a la mitad!" Suena espectacular. Pero si tu riesgo basal es del 4%, reducir el riesgo a la mitad significa pasar del 4% al 2%. En términos absolutos, el beneficio es modesto.
Exige siempre la RRA y el riesgo basal. Sin ellos, no puedes calcular el NNT ni contextualizar el beneficio real para tu paciente.
Visualicemos RRA vs RRR
Errores comunes que debes evitar
| Error | Por qué ocurre | Cómo evitarlo |
|---|---|---|
| Confundir p < 0.05 con 'el tratamiento funciona' | El p-valor solo descarta azar, no cuantifica beneficio | Siempre pregunta: ¿cuál es la magnitud del efecto? ¿Supera la MCID? |
| Usar solo la RRR para impresionar | La RRR magnifica efectos pequeños cuando el riesgo basal es bajo | Presenta siempre la RRA y calcula el NNT |
| Ignorar el NNH al evaluar un tratamiento | Nos enamoramos del beneficio y minimizamos el daño | Para cada intervención, calcula NNT y NNH. Compáralos. |
| Asumir que p > 0.05 significa 'no hay efecto' | Puede ser falta de potencia estadística (n pequeño) | Evalúa los IC 95%. Si son amplios, el estudio puede no tener potencia suficiente. |
| Aplicar resultados sin evaluar si el paciente se parece a la muestra del estudio | Los ensayos clínicos tienen criterios de inclusión estrictos | Pregunta: ¿mi paciente habría sido incluido en este estudio? ¿El NNT aplica igual? |
Proceso: interpretar un resultado estadístico con criterio
Identifica la medida de efecto principal
¿Diferencia de medias? ¿OR? ¿RR? ¿Reducción Absoluta del Riesgo? Asegúrate de conocer la magnitud del efecto, no solo el p-valor. Anota el IC 95%.
Busca la MCID para esa escala o variable
¿La diferencia observada supera la Diferencia Mínima Clínicamente Importante definida para esa escala en esa población? Si no la supera, la significancia estadística es irrelevante.
Calcula o busca el NNT / NNH
¿Cuántos pacientes hay que tratar para beneficiar a uno? ¿Cuántos para causar un daño? Compara NNT con NNH. Esto da perspectiva humana al resultado numérico.
Evalúa los intervalos de confianza
El IC 95% revela la precisión del efecto estimado. Un IC muy amplio indica incertidumbre, aunque el p sea < 0.05. ¿El extremo más desfavorable del IC sigue siendo clínicamente relevante?
Contextualiza en tu práctica
¿Los pacientes del estudio se parecen a los tuyos? ¿El riesgo basal de tu paciente justifica el NNT? ¿Es el efecto suficientemente grande como para cambiar el manejo? ¿Qué opina tu paciente?
Quiz de verificación
Un ensayo clínico con n=10.000 demuestra que un nuevo fármaco antihipertensivo reduce la presión arterial sistólica en 1.2 mmHg (p<0.001). ¿Cuál es la interpretación más correcta?
Quiz de verificación
Un estudio reporta que un nuevo fármaco reduce el riesgo de ictus del 2% al 1% (RRR=50%, p=0.01). ¿Cuál es el NNT aproximado?
Recursos Curados para Profundizar
📖 Lecturas Fundamentales
- Guyatt, G., Rennie, D., Meade, M. O. & Cook, D. J. (2015). Users' Guides to the Medical Literature: A Manual for Evidence-Based Clinical Practice (3ª ed.). McGraw-Hill.Capítulos 8–12 sobre interpretación de resultados; referencia obligada para leer ensayos clínicos con criterio.
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2ª ed.). Lawrence Erlbaum.La referencia clásica sobre tamaños del efecto (d, η², r) y su interpretación.
🎬 Videos y Recursos Online
- StatQuest — "p-hacking: What it is and how to avoid it!": youtube.com/c/joshstarmerExplicación visual y divertida sobre por qué el p-valor puede ser engañoso.
- StatQuest — "Understanding Statistical Power": youtube.com/c/joshstarmerComplemento ideal para entender por qué n grande no equivale a efecto importante.
- Calculadora de tamaño del efecto (d de Cohen): psychometrica.de/effect_size.htmlCalcula d, r y otros tamaños de efecto con sus intervalos de confianza.
- Calculadora de NNT online: nntonline.netIntroduce la RAR y obtén el NNT con su IC 95%.
- Curso gratuito "Improving Your Statistical Inferences" (Daniel Lakens, Coursera).Cubre tamaños del efecto, intervalos de confianza y la crisis de replicación.
- MedCram — "NNT and NNH: How to Calculate and Interpret" (YouTube).Consolida el concepto de NNT/NNH con ejemplos clínicos paso a paso.
📚 Referencias Clave del Módulo
- Wasserstein, R. L. & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133.
- McGlothlin, A. E. & Lewis, R. J. (2014). Minimal clinically important difference: Defining what really matters to patients. JAMA, 312(13), 1342–1343.
- Laupacis, A., Sackett, D. L. & Roberts, R. S. (1988). An assessment of clinically useful measures of the consequences of treatment. New England Journal of Medicine, 318, 1728–1733.
- Farrar, J. T., Young, J. P., LaMoreaux, L., Werth, J. L. & Poole, R. M. (2001). Clinical importance of changes in chronic pain intensity measured on an 11-point numerical pain rating scale. Pain, 94(2), 149–158.
- Clement, D. L. et al. (2014). Prognostic value of ambulatory blood-pressure recordings in patients with treated hypertension. New England Journal of Medicine, 348, 2407–2415.
- Cazzola, M. et al. (2008). Outcomes for COPD pharmacological trials: from lung function to biomarkers. European Respiratory Journal, 31(2), 416–469.
- ISIS-2 Collaborative Group (1988). Randomised trial of intravenous streptokinase, oral aspirin, both, or neither among 17,187 cases of suspected acute myocardial infarction. The Lancet, 332(8607), 349–360.
- Cholesterol Treatment Trialists' (CTT) Collaboration (2012). The effects of lowering LDL cholesterol with statin therapy in people at low risk of vascular disease. The Lancet, 380(9841), 581–590.
Un p-valor pequeño es solo el primer paso. La verdadera pregunta clínica —¿le importa esto a mi paciente?— solo se responde con tamaño del efecto, MCID, NNT y NNH trabajando juntos.