Sr. Editor:
El 26 de setiembre del 2020 la presente revista publicó un importante artículo que reportó la existencia de una serie de asociaciones estadísticamente significativas (p < 0,05) entre diferentes polimorfismos genéticos del sistema de antígenos leucocitarios humanos (HLA) y la mortalidad por COVID-19 en 72 pacientes1, una de las cuales incluyó el gen HLA-A*11 mediante la medida de odds ratio (OR = 7,693),
Se recomienda la replicación de las investigaciones clínicas basadas en las pruebas de significación. Esto es posible mediante la inferencia bayesiana, pues permite reanalizar el hallazgo significativo reportado por Lorente et al.1, donde el método del factor de Bayes (FB) es referido como la probabilidad de los datos bajo una hipótesis en relación con la otra (hipótesis nula vs. hipótesis alterna)2, 3. Es decir, que el FB estima la cuantificación de fuerza probatoria en que los datos apoyan a ambas hipótesis para su contraste más allá de la interpretación dicotómica del rechazo o aceptación de la hipótesis nula2, 3. La replicación estadística de hallazgos significativos mediante el FB, permite reforzar la credibilidad práctica de artículos del área de medicina intensiva (investigaciones experimentales, ensayos clínicos, intervenciones y tratamientos), esto se precisa cuando la inferencia bayesiana reporta una evidencia concluyente o superior (FB10 > 10), a partir de la interpretación de clasificación de valores de Jefreys4 para el FB: débil, moderado, fuerte muy fuerte y extrema (tabla 1 ).
Tabla 1.
Valores de interpretación cuantificable del factor Bayes
| >100 | Extrema | Hipótesis alternativa |
| 30+100 | Muy fuerte | Hipótesis alternativa |
| 10+30 | Fuerte | Hipótesis alternativa |
| 3,1-10 | Moderado | Hipótesis alternativa |
| 1,1-3 | Débil | Hipótesis alternativa |
| 1 | 0 | No evidencia |
| 0,3-0,99 | Débil | Hipótesis nula |
| 0,29-0,1 | Moderado | Hipótesis nula |
| 0,09-0,03 | Fuerte | Hipótesis nula |
| 0,03-0,01 | Muy fuerte | Hipótesis nula |
| <0,01 | Extrema | Hipótesis nula |
Nota: Creación propia según la escala de clasificación de Jeffreys4.
Se tuvo como finalidad de la presente carta reportar un ejemplo de reanálisis bayesiano para precisar el grado de evidencia de las hipótesis estadísticas. Por lo tanto, se consideró el tamaño muestral y la conversión del OR a tamaño de efecto de correlación (r) mediante una calculadora online 5, cuyo valor de conversión fue r = 0,49. Este método considera 2 interpretaciones: FB10 (a favor de la hipótesis alternativa) y FB01 (a favor de la hipótesis nula), con un intervalo de credibilidad del 95%. Los resultados obtenidos del FB son: FB10 = 1.690 y FB01 = 0,0006 e IC 95%: 0,284-0,64], lo cual respaldó el hallazgo significativo reportado por Lorente et al.1 con una evidencia extrema a favor de la hipótesis estadística alterna (correlación), esto permite inferir que las demás asociaciones significativas de mayor magnitud entre los genes de HLA y la mortalidad también refieren una evidencia extrema que brinda mayor credibilidad a las conclusiones clínicas reportadas del estudio respectivo.
En conclusión, el uso inclusivo de la conversión del tamaño de efecto y del FB es un gran aporte metodológico que presenta una implicancia práctica en la toma de decisiones médicas a partir de la confirmación de resultados que sean eficazmente concluyentes, y de mayor importancia en el contexto de COVID-19.
Financiación
La presente investigación no ha recibido ninguna beca específica de agencias de los sectores público, comercial, o sin ánimo de lucro
Bibliografía
- 1.Lorente L., Martín M.M., Franco A., Barrios Y., Cáceres J.J., Solé-Violán J., et al. Members of the BIOMEPOC group HLA genetic polymorphisms and prognosis of patients with COVID-19. Med Intensiva. 2021;45:96–103. doi: 10.1016/j.medin.2020.08.004. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 2.Ly A., Raj A., Etz A., Gronau Q.F., Wagenmakers E.-J. Bayesian reanalyses from summary statistics: A guide for academic consumers. Adv Meth Pract Psychol Sci. 2018;1:367–374. doi: 10.1177/2515245918779348. [DOI] [Google Scholar]
- 3.Marsmamn M., Wagenmakers E.J. Bayesian benefits with JASP. Eur J Dev Psychol. 2017;14:545–555. doi: 10.1016/j.pmrj.2017.11.003. [DOI] [Google Scholar]
- 4.Jeffreys H. Oxford University Press; Oxford: 1961. Theory of probability. [Google Scholar]
- 5.Lenhard W, Lenhard A. Calculation of Effect Sizes. Dettelbach: 2016 [consultado 25 Ene 2021]. Disponible en: https://www.psychometrica.de/effect_size.html