¿Cuáles son los conceptos más comúnmente incomprendidos en las estadísticas médicas por los médicos?

¡Prácticamente todos! La innumerabilidad de los médicos es asombrosa. Aquí hay algunos aspectos destacados que se encuentran comúnmente en la medicina:

1) Valores p y poder estadístico. Steven Goodman tiene una gran pieza en el último número de Science sobre esto. Lo que realmente significa un valor p (y, lo que es más importante, lo que un valor p no significa -más allá de la simple cuestión de significación estadística vs. clínica! ) Se pierde en la mayoría de los médicos, incluso en aquellos con una educación estadística. Los conceptos relacionados con el poder de una prueba estadística no son mucho mejores.

2) Pruebas de diagnóstico: esto es a lo que se ha referido en su pregunta. No ayuda que el lenguaje de las pruebas de diagnóstico no sea muy intuitivo (sensibilidad frente a especificidad en lugar de tasas de falsos negativos y falsos positivos), pero muchos médicos no entienden la diferencia entre discutir la sensibilidad / especificidad (características inherentes a la prueba). ) y valor predictivo positivo / negativo (que depende de las características de la población además de la prueba). También existe un amor por los cocientes de probabilidad (no relacionados con las pruebas de razón de verosimilitud), que además de prácticamente no ser usados ​​fuera de la medicina, no son realmente entendidos por los médicos. Sin embargo, no les impide aparecer en los exámenes en lugar de encontrar un concepto más útil para emplear.

3) Daños / beneficios: en particular, número necesario para tratar / dañar. Esto es, afortunadamente, un poco más concreto, lo que hace que se entienda mejor. Los verdaderos problemas aquí son que a) muchos médicos no sabrían cómo calcular NNT y NNH con la información correcta (que se puede encontrar en prácticamente cualquier manuscrito de un ECA), lo que sugiere una comprensión pobre del concepto yb ) La mayoría de los médicos desconocen el NNT / NNH de los medicamentos / procedimientos que usan, lo que hace que sea difícil analizar los riesgos / beneficios de manera muy significativa.

4) Probabilidad en general: a pesar de que se espera que discuta los resultados que son probabilísticos, como la supervivencia del cáncer o el ictus iatrogénico por trombólisis, los médicos a menudo tienen una dudosa comprensión de la probabilidad. Teniendo en cuenta que es difícil (si no imposible) comprender las estadísticas sin comprender la probabilidad, esto es bastante preocupante.

El valor p es muy mal entendido por los médicos (y otros también).

Otra es que la regresión de OLS y la regresión logística son todas las herramientas que necesitan.

Pero el malentendido más pernicioso es, creo, el papel apropiado de las estadísticas. Muchos doctores parecen pensar que las estadísticas son una especie de magia que se puede hacer en el último momento y producir grandes cosas. En cambio, los estadísticos deben ser consultados lo antes posible en el diseño de un estudio, idealmente cuando el MD tenga un atisbo de una idea de lo que les interesa.

Los médicos a menudo tienen una buena comprensión de los conceptos estadísticos, pero rara vez comprenden los matices y las limitaciones de los métodos, y rara vez están contentos con la idea de que un enfoque diferente de un problema pueda dar una respuesta diferente.

Si pueden obtener una respuesta de un método, la considerarán la respuesta a su pregunta.

A menudo también traen la actitud de “Ver uno, hacer uno, enseñar uno” al análisis estadístico.

Por ejemplo, un doctor podría ir a un curso de modelado de ecuaciones estructurales de 2 días, luego considerarse competente en el método, realizar un análisis bastante dudoso, y así creerse un experto listo para educar a la próxima generación, todo en el espacio de aproximadamente una semana.

Eso podría funcionar para algo tan simple como la cirugía cerebral, pero no para las estadísticas.

Gracias por el A2A Michael.

Ya he respondido una pregunta muy similar a esta, y pueden encontrar mi respuesta aquí: ¿Cuáles son algunos ejemplos sobresalientes de analfabetismo matemático en medicina?