Diseño Óptimo de Estudios en Rehabilitación: Importancia del Tamaño Muestra / Optimal Design of Rehabilitation Studies: Importance of Sample Size

Este artículo aborda los principios esenciales para la estimación del tamaño muestral en estudios cuantitativos de ciencias de la rehabilitación y movimiento humano. Además, proporciona una guía práctica y accesible sobre el diseño de investigaciones rigurosas, abordando conceptos clave como la precisión, nivel de confianza, nivel de significancia y potencia estadística, fundamentales para obtener resultados válidos y confiables. También se explora cómo estos parámetros influyen en la generalización de hallazgos y la detección de diferencias significativas, así como la importancia de un tamaño muestral adecuado para que los futuros investigadores mejoren la calidad de sus estudios en campos de la rehabilitación y el movimiento humano.

This article addresses the essential principles for sample size estimation in quantitative studies of rehabilitation sciences and human movement. In addition, it provides a practical and accessible guide on the design of rigorous investigations, addressing key concepts such as precision, confidence level, significance level and statistical power, essential to obtain valid and reliable results. It also explores how these parameters influence the generalization of findings and the detection of significant differences, as well as the importance of an adequate sample size for future researchers to improve the quality of their studies in the fields of rehabilitation and human movement.

Análisis Secundario de Datos Poblacionales en Salud: Consideraciones sobre el Uso de Encuestas / Secondary Analysis of Population Health Data: Considerations on the Use of Surveys

Introducción. El análisis de datos secundarios en salud es importante para el éxito de la salud de la población. El propósito de esta guía práctica es entregar recomendaciones para el análisis adecuado de datos secundarios en salud. Desarrollo. varios problemas asociados con el análisis secundario de los datos de encuestas de salud deben abordarse, estos se relacionan con el diseño de la muestra, la medición de los datos, la falta de respuesta y la pérdida de datos. Para abordar algunos de estos problemas, se sugiere considerar el peso de la muestra, la operacionalización de las variables y la imputación de datos. Discusión. el análisis inapropiado de datos puede dar lugar a conclusiones inexactas y afectar la confiabilidad y validez de evidencia generada. Es importante explorar el conjunto de datos a analizar. Conclusión. es importante ser consciente de las particularidades del análisis secundario para evitar errores previsibles al seleccionar un conjunto de datos y realizar análisis estadístico.

Background. The analysis of population health data is important for the success of population health. The purpose of this practical guide is to provide recommendations for the adequate analysis of secondary health data. Development. There are several issues associated with the secondary analysis of health survey data that need to be addressed, these include relational sample design, data collection, non-response, and missing data. To resolve some of these problems, it is suggested to consider the weight of the sample, the operationalization of the variables and the imputation of data. Discussion. The inappropriate analysis of data can lead to inaccurate conclusions and affect the reliability and validity of evidence produced. It is important explore the data set to analyze. Conclusion. It is important to be aware of the particularities of secondary analysis to avoid foreseeable errors when selecting a data set and performing statistical analysis.

Significancia Estadística en Ciencias de la Salud: Limitaciones y Alternativas / Statistical significance in the field of health sciences: limitations and alternatives

Introducción. La prueba de significancia de la hipótesis nula (PSHN) constituye la herramienta más usada para evaluar hipótesis científicas y tomar decisiones al respecto, en especial en ciencias de la salud. Sin embargo, por décadas ha estado en el centro del debate, ya que se han identificado varios problemas conceptuales y de interpretación. Se realizó una revisión de artículos científicos que ilustran las críticas de esta controversia y su relevancia en el ámbito de la investigación en salud. Algunas alternativas para la PSHN son una adecuada interpretación del valor p, uso de intervalos de confianza, incluir el tamaño del efecto y adoptar un marco de inferencia bayesiana. En todos los casos en que se utilice PSHN, su uso debe ser claramente justificado.

Background. Null hypothesis significance testing (NSHT) constitutes the most widely applied tool for the evaluation of scientific hypotheses and decision making in health sciences. However, the method has been the centre of a heated debate where various criticisms related to conceptual and interpretational problems. A review of scientific articles that illustrate the criticisms of this controversy and its relevance in the field of health research was carried out. Some alternatives for the NSHT are an adequate interpretation of the p-value, use of confidence intervals, including the effect size and adopting a Bayesian inference framework. In all cases where NSHT is used, its use should be clearly justified.